Alguien en marketing crea un agente para redactar briefs. Alguien en soporte configura un bot de triaje. Un ingeniero deja un agente de pruebas corriendo en un cron job y se va de vacaciones. Nadie se lo dice a nadie, porque ¿para qué? Es solo una pequeña automatización práctica.
Seis meses después, la dirección hace una pregunta simple: ¿qué agentes de IA están funcionando en nuestra empresa, y quién es responsable de ellos? Silencio. Eso es la proliferación de agentes de IA, y está apareciendo en casi todas las organizaciones que han dicho sí a los agentes sin decidir cómo gestionarlos.
Esta guía explica qué es la proliferación de agentes de IA, por qué ocurre, cuánto te cuesta realmente, y una forma práctica de controlarla sin prohibirlo todo ni matar el impulso.
¿Qué es la proliferación de agentes de IA?
La proliferación de agentes de IA es lo que ocurre cuando los agentes se multiplican más rápido de lo que nadie puede controlar. Se crean en notebooks, herramientas de workflow, plataformas de proveedores y scripts internos. Cada uno tiene su propio acceso, su propio prompt, su propia factura de modelo. Ninguno está en un registro compartido, y muchos no tienen un responsable designado.
Si eso te suena a shadow IT, tienes razón. Es el mismo patrón, con una diferencia desagradable. Una hoja de cálculo olvidada simplemente se queda ahí. Un agente olvidado sigue actuando: enviando correos, actualizando registros, gastando dinero. (IBM tiene una buena definición técnica si quieres la versión para el equipo de seguridad.)
Aquí está la prueba rápida. ¿Puedes responder estas cuatro preguntas para cada agente de tu empresa?
- ¿Qué es, y qué puede tocar?
- ¿Quién es responsable de él?
- ¿Qué objetivo se supone que debe impulsar?
- ¿Cuánto cuesta cada mes?
Si no puedes, tienes proliferación de agentes. A la mayoría de nosotros nos pasa.
Por qué ocurre la proliferación de agentes de IA
El problema no son las personas descuidadas. El problema es que crear un agente es absurdamente fácil y nadie tiene que pedir permiso. Cuatro cosas lo impulsan.
Crear un agente lleva una tarde. Una nueva contratación necesita un manager, un escritorio y una aprobación de finanzas. Un agente necesita un prompt y una clave de API. Cuando crear algo es tan barato, el número de cosas crece rápido.
Cada equipo resuelve su propio problema. Soporte crea un agente de triaje. Ventas crea un agente de enriquecimiento de leads. Ambos tienen sentido. Ningún equipo sabe que un tercer equipo ya creó algo similar el mes pasado.
Los proveedores están añadiendo agentes a todo. Tu CRM, tu helpdesk y tu herramienta de proyectos ahora vienen todos con agentes integrados. Algunos están activados por defecto. Nadie en tu equipo los 'creó', así que a nadie se le ocurre incluirlos en la lista.
Nadie es dueño de la visión completa. IT ve la infraestructura, seguridad ve el riesgo, finanzas ve una factura. Ninguna persona ve lo que se supone que los agentes deben lograr para el negocio. Ahí es donde vive la proliferación.
Imagina una empresa de 2500 personas donde cada una ejecuta cuatro agentes. Son 10 000 trabajadores digitales produciendo resultados en nombre de la empresa. Ya es difícil saber en qué están trabajando tus personas. Multiplica eso por cuatro y las suposiciones se vuelven caras.
El coste real de la proliferación de agentes de IA
La mayoría de los artículos sobre este tema se centran en la seguridad, y los riesgos de seguridad son reales. Los agentes con acceso amplio y sin supervisión son un problema genuino. Pero los costes que afectan primero a la mayoría de los equipos son más mundanos, y recaen sobre los responsables de operaciones y estrategia, no solo sobre el equipo de seguridad.
- Trabajo duplicado y contradictorio. Dos agentes toman decisiones diferentes sobre el mismo cliente, y el cliente se da cuenta.
- Gasto oculto. Los cargos de modelos y API se quedan en los presupuestos de los equipos, no en una línea que alguien revise. El uso va subiendo en silencio.
- Puntos únicos de fallo. El agente que gestiona tu reporting semanal vive en el espacio de trabajo de una sola persona. Esa persona cambia de rol, y el agente se detiene silenciosamente.
- Deriva de calidad. Un modelo se actualiza por debajo de un agente, su comportamiento cambia, y nadie está vigilando lo bastante de cerca como para notarlo.
- Resultados sin impacto. Este es el grande. Los agentes producen una montaña de borradores, tickets y mensajes. A la hora de revisar, nadie puede decir si algo de eso movió una cifra que importe.
Ese último coste es el que más nos preocupa en Tability, porque es el mismo problema que los OKR se inventaron para resolver en las personas. La actividad no es progreso. Un millón de correos en frío no significan nada si no se convirtieron en pipeline.
Gartner también ha advertido que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que termine 2027, citando costes crecientes, un valor de negocio poco claro y controles de riesgo débiles. La proliferación alimenta las tres cosas.
Cómo controlar la proliferación de agentes de IA
No recomendamos un gran cierre de golpe. Si lo prohíbes todo, la gente simplemente esconderá mejor sus agentes. Acabarás con la misma proliferación y menos visibilidad. Empieza mejor con estos cuatro pasos.
1. Crea un registro único de agentes
Empieza con una lista sencilla. Puede ser una hoja de cálculo. Para cada agente, anota el nombre, el propósito, el entorno (sandbox, staging o producción), a qué datos y herramientas puede acceder, el modelo y el proveedor detrás de él, y cuándo se actualizó por última vez. Pide a cada responsable de equipo que añada lo que sepa. Te sorprenderá lo larga que se vuelve la lista ya en la primera semana.
En Tability, este registro es lo que es un Agent Profile. Cada agente recibe un perfil con un nombre, una descripción, una descripción de su función, la herramienta en la que se ejecuta (Claude o Codex, por ejemplo), dónde se ejecuta y un responsable humano. Puedes vincular el perfil a los key results e iniciativas en los que trabaja el agente, de modo que la pregunta '¿a qué objetivo sirve esto?' queda respondida en el propio perfil. Dos ventajas extra. Tu workspace muestra cuántos agentes ejecutas realmente, una cifra útil cuando alguien pregunta cuánto usa tu equipo la IA. Y cada agente puede publicar sus propios check-ins y actualizaciones, de modo que el registro se mantiene al día solo en lugar de quedarse obsoleto.
2. Da a cada agente un responsable humano con nombre
No 'el equipo de IA' ni el proveedor. Esa persona responde por lo que hace el agente, igual que un líder de proyecto responde por un proyecto. Cuando el responsable cambia de rol, el agente obtiene un nuevo responsable o se retira. Esta única regla arregla más proliferación que cualquier herramienta.
3. Vincula cada agente a un objetivo
Este es el paso que la mayoría de los equipos se salta, y el que separa una proliferación ordenada de un control real. Para cada agente, anota qué objetivo y key result respalda, cuál es la línea base, y cómo se ve 'bien'. Si el formato es nuevo para ti, nuestra guía sobre OKRs es un buen punto de partida.
Una vez que los agentes están vinculados a resultados, tienes una regla de decisión simple. Si el key result está en verde y el agente está haciendo su trabajo, déjalo en paz. Si el agente está ocupado pero el key result está en rojo, probablemente esté trabajando en lo que no toca. Si el agente está inactivo pero el key result está en verde, acabas de encontrar algo que retirar. Si ambos están en rojo, vuelta a empezar 💀.
4. Revisa los agentes en tu ritmo de trabajo habitual
No crees una reunión de gobernanza de IA aparte que muera en un mes. Integra los agentes en el ritmo que ya sigues. Añade unos minutos a tus check-ins semanales para preguntar qué agentes movieron una cifra, cuáles están derivando y cuáles deberían desactivarse. La cola de 'necesita atención' de Tability lista el trabajo bloqueado, las escaladas y el trabajo sin responsable, y el resumen de actividad de agentes muestra los check-ins publicados, los key results movidos y los agentes que necesitan atención en los últimos 7 o 30 días. Trátalos como a compañeros de equipo: revísalos, guíalos, retíralos. Cubrimos este modelo con más detalle en nuestro artículo sobre equipos de humanos y agentes.
Un plan de 30 días para detener la proliferación de agentes de IA
Si quieres un punto de partida, aquí lo tienes.
- Semana 1: descubrir. Pregunta a cada equipo qué agentes ha creado o activado. Revisa los paneles de administración de tus proveedores en busca de agentes integrados. Pon todo en el registro.
- Semana 2: asignar. Da un responsable a cada agente. Todo lo que no tenga responsable al final de la semana se pausa.
- Semana 3: conectar. Vincula cada agente a un objetivo y una métrica. Retira los que no se puedan vincular a nada.
- Semana 4: revisar. Haz tu primera revisión de agentes dentro del ritmo semanal habitual. Decide qué escalar, arreglar o detener. Retira los agentes inactivos.
No será perfecto. No tiene por qué serlo. Estás reemplazando 'no tenemos ni idea' por 'sabemos qué está funcionando y quién es responsable', y ese es el mayor salto que darás.
Dónde encaja Tability en la gestión de la proliferación de agentes de IA
Una hoja de cálculo funciona el primer mes. Después de eso, los agentes cambian, los responsables se mueven y el registro se queda desactualizado. Ahí es donde entra Tability.
Los Agent Profiles de Tability convierten el registro en algo que se mantiene al día por sí solo. Cada agente tiene un perfil con un responsable, una descripción de su función y los objetivos a los que está vinculado. Los agentes publican check-ins y actualizaciones de iniciativas a través del servidor MCP de Tability, con una puntuación, un color de confianza y un resumen breve, en el mismo formato que las actualizaciones de tus personas. Eso significa que una sola revisión semanal puede cubrir a humanos y agentes juntos. Los nuevos agentes hijos necesitan aprobación humana explícita, y un responsable humano sigue siendo el encargado de revisar lo que hace un agente.
Si quieres que un agente dirija un objetivo en lugar de una tarea, el Agent Manager de Tability toma la responsabilidad de un objetivo, coordina agentes especializados y saca a la luz los bloqueos. Una cosa que conviene tener clara: los agentes se ejecutan en tu host de IA (Codex, ChatGPT o Claude Cowork), y ahí es donde defines sus horarios. Tability es donde informan y donde tú los revisas. Las funciones de agentes también requieren un workspace premium con las funciones de IA activadas.
Para saber más sobre cómo se desarrolla esto a gran escala, lee nuestra opinión sobre por qué se estancan los despliegues de agentes de IA empresariales, o cómo el servidor MCP de Tability conecta los agentes que ya usas con tus objetivos.
La proliferación es un problema de gestión, no de tecnología
Volvamos a la pregunta inicial: ¿qué agentes están funcionando en nuestra empresa, y quién es responsable de ellos? No necesitas una nueva plataforma para responderla. Necesitas un registro, un responsable para cada agente y un objetivo hacia el que trabajar. Haz esas tres cosas y la proliferación deja de ser una amenaza y empieza a parecerse a lo que debería ser: un equipo en crecimiento que de verdad gestionas.
Si estás intentando poner en orden a tus agentes, regístrate gratis y descubre cómo lo gestiona Tability, o reserva 30 minutos con nosotros y te ayudaremos a averiguar cómo deberían ser un registro, responsables y objetivos para tu equipo. Uses Tability o no, vale la pena tener una respuesta real antes de que se active el próximo agente.
.jpg)
