Latinoamérica ya superó la etapa en la que la inteligencia artificial necesitaba demostrar que podía ser útil. El uso de estas herramientas crece con rapidez y la región ocupa el tercer lugar del mundo en descargas de aplicaciones de IA generativa. Sin embargo, ese nivel de adopción todavía no se refleja con la misma intensidad en los resultados empresariales.
El 44% de las organizaciones ya afirma estar escalando IA en toda la empresa, pero solo el 37% reporta algún impacto sobre el EBIT y apenas el 6% obtiene un retorno material, según datos de NYXN. La distancia entre incorporar la tecnología y convertirla en capacidad productiva fue uno de los principales temas que atravesaron las conversaciones de ANDICOM 2026.
Además, de acuerdo con la compañía, la adopción sigue subiendo. El 44% de las organizaciones dice estar escalando IA en toda la empresa, mientras la proporción que atribuye algún impacto en EBIT lleva dos años en 37%, y solo un 6% obtiene un retorno material. Adoptar dejó de ser el problema. La discusión se desplazó de las capacidades que los modelos pueden demostrar en entornos controlados, hacia las condiciones que permiten incorporarlos en procesos donde un error, una decisión o una demora, tienen consecuencias concretas para el negocio.
Nuestra participación en ANDICOM es especialmente importante porque refleja un momento en el que la conversación sobre inteligencia artificial está dejando de estar centrada en lo que la tecnología puede hacer en una demostración y empieza a enfocarse en cómo llevarla a procesos reales, críticos y medibles.
En sectores como banca, seguros y retail vemos problemas muy distintos, pero el mismo desafío en el que hay procesos que siguen dependiendo de información no estructurada, sistemas heredados o tareas manuales que limitan la capacidad de las organizaciones para responder con velocidad y consistencia. La IA agéntica abre una posibilidad distinta a las empresas porque no se trata únicamente de automatizar una tarea, sino de construir sistemas capaces de interpretar información, ejecutar procesos y dejar evidencia de cómo llegaron a sus resultados.
Una organización puede incorporar IA y, al mismo tiempo, carecer de los procesos necesarios para saber si está produciendo el resultado esperado. La medición se vuelve especialmente relevante cuando los sistemas intervienen sobre operaciones que no pueden evaluarse únicamente por la velocidad de ejecución, sino también por su precisión, trazabilidad y consistencia.
La experiencia que expusimos apunta precisamente a ese punto, ya que, si una empresa no establece indicadores antes de desplegar una solución, después resulta difícil determinar cuánto valor produjo, dónde generó fricciones o si realmente mejoró el proceso que pretendía transformar.
Además, hay una brecha previa, y es que menos de una de cada cinco organizaciones mide indicadores de sus soluciones de IA. Nosotros tampoco medíamos y perdimos cuatro meses sin una línea base. La regla que sacamos de ahí es que la capacidad de una organización es lo que puede verificar, no lo que puede generar.
Ese mismo cambio modifica el problema de seguridad. Cuando los sistemas de IA pueden interactuar directamente con aplicaciones, APIs, datos y servicios, la organización deja de gestionar únicamente accesos humanos. También debe controlar identidades de máquina que pueden actuar de manera autónoma y cuyo comportamiento puede variar según la tarea o el contexto. La propia adopción de IA está evidenciando esta brecha. El Cost of a Data Breach Report 2025 de IBM encontró que el 97% de las organizaciones que reportaron un incidente de seguridad relacionado con IA carecía de controles de acceso adecuados para estos entornos.
Daniel Pérez, Director de Ventas para Latinoamérica de AppGate, señala que esta evolución obliga a trasladar los principios de seguridad hacia esas nuevas formas de interacción. “La IA agéntica introduce un cambio importante en la forma de abordar la seguridad, porque las organizaciones ya no deben gestionar únicamente el acceso de personas, sino también el de agentes y otras identidades de máquina capaces de interactuar de forma autónoma con aplicaciones, APIs, datos y servicios. A medida que estos agentes adquieren mayor autonomía, resulta fundamental mantener visibilidad sobre qué recursos utilizan, verificar su identidad y limitar su acceso exclusivamente a lo que necesitan para cumplir su función”, comenta.
Esto cambia también la función de los controles de acceso. Un agente puede estar autorizado para ejecutar una tarea específica sin que eso implique acceso permanente a todos los recursos con los que interactúa. La seguridad debe considerar qué identidad está actuando, qué intenta hacer, sobre qué recurso y bajo qué condiciones, aplicando principios de Zero Trust como la verificación de identidad, el mínimo privilegio y las políticas dinámicas también sobre las cargas de trabajo de IA.
En este sentido, AppGate plantea la aplicación de ZTNA (Zero Trust Network Access) en entornos de IA agéntica para mantener el control sobre el acceso a activos críticos a medida que aumenta la autonomía de estos sistemas. De esta manera, mientras la IA gana capacidad para actuar por sí misma, controlar esa autonomía pasa a ser parte de la propia implementación y por tanto clave para el desarrollo y estabilidad de las organizaciones.
