Según Databricks, la adopción de la IA empresarial se está desplazando hacia los sistemas de agentes a medida que las organizaciones adoptan flujos de trabajo inteligentes.
La primera ola de IA generativa prometió una transformación empresarial, pero a menudo generó poco más que chatbots aislados y programas piloto estancados. Los líderes tecnológicos se encontraron cumpliendo altas expectativas con una utilidad operativa limitada. Pero los nuevos datos de telemetría de Databricks sugieren que el mercado ha dado un giro.
Los datos de más de 20.000 organizaciones (incluido el 60 por ciento de las Fortune 500) indican un rápido cambio hacia arquitecturas «agentivas», donde los modelos no sólo adquieren información, sino que diseñan y ejecutan flujos de trabajo de forma independiente.
Esta evolución representa una redistribución fundamental de los recursos de ingeniería. Entre junio y octubre de 2025, el uso de flujos de trabajo de múltiples agentes en la plataforma Databricks aumentó un 327 por ciento. Este aumento indica que la inteligencia artificial se está convirtiendo en un componente central de la arquitectura del sistema.
El «Agente Supervisor» fomenta el uso empresarial de la inteligencia artificial del agente
La fuerza impulsora de este crecimiento es el “agente de vigilancia”. En lugar de depender de un único modelo para manejar todas las solicitudes, el supervisor actúa como un controlador, desglosando consultas complejas y delegando tareas a subagentes o herramientas especializadas.
Desde su lanzamiento en julio de 2025, Supervisor Agent se ha convertido en el caso de uso de agente líder, representando el 37 por ciento del uso en octubre. Este patrón refleja estructuras organizativas humanas: el gerente no realiza todas las tareas, pero se asegura de que el equipo las realice. De manera similar, un agente de monitoreo maneja la detección de intenciones y las verificaciones de cumplimiento antes de enrutar el trabajo a dispositivos específicos del dominio.
Actualmente, las empresas de tecnología lideran esta aplicación y construyen casi cuatro veces más sistemas multiagente que cualquier otra industria. Sin embargo, la utilidad cubre varios sectores. Por ejemplo, una empresa de servicios financieros puede utilizar un sistema de múltiples agentes para manejar la recuperación de documentos y el cumplimiento normativo simultáneamente, verificando la respuesta del cliente sin intervención humana.
Infraestructura tradicional bajo presión
A medida que los agentes pasan de responder preguntas a ejecutar tareas, la infraestructura de datos subyacente enfrenta nuevas demandas. Las bases de datos tradicionales de procesamiento de transacciones en línea (OLTP) están diseñadas para interacciones a velocidad humana, con transacciones predecibles y cambios de esquema poco frecuentes. Los flujos de trabajo de los agentes invierten estas suposiciones.
Los agentes de IA ahora generan patrones de lectura y escritura continuos y de alta frecuencia, a menudo creando y derribando entornos mediante programación para probar código o ejecutar escenarios. El alcance de esta automatización se puede ver en los datos de telemetría. Hace dos años, los agentes de IA creaban sólo el 0,1 por ciento de las bases de datos; hoy esa cifra asciende al 80 por ciento.
Además, el 97 por ciento de los entornos de desarrollo y prueba de bases de datos ahora están construidos por agentes de inteligencia artificial. Esta capacidad permite a los desarrolladores y «codificadores de vibraciones» crear entornos transitorios en segundos en lugar de horas. Desde la versión preliminar pública de las aplicaciones Databricks, se han creado más de 50.000 aplicaciones de datos e inteligencia artificial, un aumento del 250 por ciento en los últimos seis meses.
El estándar multimodelo
La dependencia de un proveedor sigue siendo un riesgo constante para los líderes empresariales que buscan aumentar la adopción de la IA por parte de los agentes. Los datos muestran que las organizaciones están mitigando activamente esto mediante la adopción de estrategias multimodelo. En octubre de 2025, el 78 por ciento de las empresas utilizaban dos o más familias de modelos de lenguaje grandes (LLM), como ChatGPT, Claude, Llama y Gemini.
La sofisticación de este enfoque está aumentando. La proporción de empresas que utilizan tres o más familias de modelos aumentó del 36 por ciento al 59 por ciento entre agosto y octubre de 2025. Esta diversidad permite a los equipos de ingeniería dirigir tareas más simples a modelos más pequeños y rentables, al tiempo que reserva los modelos de límites para razonamientos complejos.
Las empresas minoristas están marcando el ritmo: el 83 por ciento utiliza dos o más familias de modelos para equilibrar rendimiento y costo. Una plataforma unificada capaz de integrar varios modelos propietarios y de código abierto se está convirtiendo rápidamente en un requisito previo para la pila de IA empresarial moderna.
A diferencia del legado de big data del procesamiento por lotes, la IA agente opera principalmente en el presente. El informe destaca que el 96 por ciento de todas las solicitudes de inferencia se procesan en tiempo real.
Esto es particularmente evidente en sectores donde la latencia está directamente correlacionada con el valor. El sector tecnológico procesa 32 solicitudes en tiempo real por cada solicitud de lote. En la atención sanitaria y las ciencias biológicas, donde las aplicaciones pueden incluir la monitorización de pacientes o el apoyo a las decisiones clínicas, la proporción es de 13:1. Para los administradores de TI, esto refuerza la necesidad de una infraestructura de servicio de inferencias que pueda manejar picos de tráfico sin degradar la experiencia del usuario.
La gobernanza acelera la adopción de la inteligencia artificial empresarial
Quizás el hallazgo más controvertido para la mayoría de los conductores es la relación entre la dirección y la velocidad. Los marcos rigurosos de gobernanza y evaluación, a menudo vistos como obstáculos, actúan como un acelerador para el despliegue de la producción.
Las organizaciones que utilizan herramientas de gestión de IA ponen en producción más de 12 veces más proyectos de IA que aquellas que no lo hacen. De manera similar, las empresas que utilizan herramientas de evaluación para probar sistemáticamente la calidad del modelo logran casi seis veces más implementaciones de producción.
El fundamento es claro. La gobernanza proporciona las salvaguardas necesarias (como definir el uso de datos y establecer límites de velocidad) que brindan a las partes interesadas la confianza para aprobar la implementación. Sin estas comprobaciones, los pilotos a menudo quedan atrapados en la fase de prueba de concepto debido a riesgos de cumplimiento o seguridad no cuantificados.
El valor de la IA del agente en la automatización empresarial «aburrida»
Si bien los agentes autónomos a menudo evocan capacidades futuristas, el valor empresarial actual de la IA de los agentes radica en la automatización de tareas rutinarias, mundanas pero necesarias. Los casos de uso de IA más populares varían según la industria, pero se centran en resolver problemas comerciales específicos:
- Industria manufacturera y automotriz: El 35% de los casos de uso se centran en el mantenimiento predictivo.
- Ciencias de la salud y de la vida: El 23% de los casos de uso consisten en una síntesis de literatura médica.
- Comercio minorista y bienes de consumo: El 14% de los casos de uso están destinados a la inteligencia de mercado.
Además, el 40 por ciento de los casos de uso de IA más comunes abordan inquietudes prácticas de los clientes, como el servicio al cliente, la promoción y la incorporación. Estas aplicaciones impulsan eficiencias mensurables y desarrollan el músculo organizacional necesario para flujos de trabajo de agentes más avanzados.
Para la alta dirección, avanzar significa prestar menos atención a la “magia” de la IA y más al rigor de ingeniería que la rodea. Dael Williamson, CTO de Databricks EMEA, señala que la conversación ha cambiado.
«Para las empresas de EMEA, la conversación ha pasado de los experimentos de IA a la realidad operativa», afirma Williamson. «Los agentes de IA ya están impulsando partes críticas de la infraestructura empresarial, pero el valor real será visto por las organizaciones que tratan la gobernanza y la evaluación como algo fundamental, no como algo secundario».
Williamson enfatiza que la ventaja competitiva vuelve a depender de cómo construyen las empresas, y no simplemente de lo que compran.
«Las plataformas abiertas e interoperables permiten a las organizaciones aplicar IA a sus propios datos empresariales, en lugar de depender de funciones de IA integradas que ofrecen productividad a corto plazo pero que no marcan la diferencia a largo plazo».
En mercados altamente regulados, la combinación de apertura y control es «lo que separa a los conductores de la ventaja competitiva».
Ver también: Anthropic fue seleccionado para construir el piloto de IA del gobierno
¿Quiere aprender más sobre IA y big data de la mano de los líderes de la industria? Consulte la AI & Big Data Expo en Ámsterdam, California y Londres. El evento integral es parte de TechEx y se lleva a cabo en conjunto con otros eventos tecnológicos líderes, incluida Cyber Security & Cloud Expo. Haga clic aquí para obtener más información.
AI News funciona con TechForge Media. Explore más próximos eventos y seminarios web sobre tecnología empresarial aquí.
