Durante décadas, el software empresarial esperó. Esperó a que alguien iniciara sesión, abriera una pantalla, ingresara datos, aprobara el siguiente paso y cerrara el ciclo. Cada acción dependía de la intervención humana y cada dato de análisis requería una solicitud. Ese modelo se está desmantelando ahora —no de forma gradual, sino a un ritmo que está tomando por sorpresa a muchas organizaciones.

Los agentes de IA —sistemas capaces de interpretar objetivos, monitorear condiciones, tomar decisiones y ejecutar acciones en aplicaciones de negocio sin que se les pida cada vez— están pasando de las pruebas piloto a la producción más rápido de lo que los analistas anticipaban. Gartner proyectó que el 40% de las aplicaciones empresariales incorporaría agentes de IA para tareas específicas para fines de 2026, frente a menos del 5% en 2025. Esa cifra se está cumpliendo según lo previsto. Para los compradores, la diferencia práctica frente a la automatización anterior es la autonomía: las herramientas tradicionales de flujos de trabajo siguen reglas predefinidas, mientras que los agentes eligen qué pasos tomar según el objetivo y los datos que tienen delante —lo que también explica por qué la calidad de esos datos importa hoy más que el software que los rodea.

Atención al cliente: donde los datos son más claros

El servicio al cliente fue la primera función empresarial en mostrar cifras reales de agentes de IA, y los resultados son difíciles de discutir. Esto no es casual: el soporte genera enormes volúmenes de interacciones repetitivas basadas en texto con resultados bien definidos —condiciones que favorecen a los agentes sobre la automatización anterior y que brindan a los proveedores la medición más limpia del desempeño antes y después.

La plataforma Agentforce de Salesforce es el caso mejor documentado a gran escala. Marc Benioff, presidente y CEO de Salesforce, describió con franqueza el despliegue interno de la empresa en la llamada de resultados del primer trimestre fiscal de 2027, en mayo de 2026: los agentes ahora están "atendiendo el doble del volumen de servicio que los representantes humanos" en los propios canales de soporte de Salesforce. En 15 meses, el sistema gestionó de forma autónoma cuatro millones de consultas de clientes. Eso no es una prueba piloto.

PenFed Credit Union desplegó 76 agentes de Agentforce en operaciones, hipotecas, TI y recursos humanos. Su herramienta "Agent Wingman" redujo un 10% el tiempo de manejo de llamadas y un 50% el trabajo posterior a la llamada, con ahorros anuales proyectados de 1,6 millones de dólares por ese único agente. UCLA Health puso en marcha su primer despliegue de Agentforce en ocho meses; el agente ahora atiende consultas de pacientes sobre búsqueda de proveedores y ensayos clínicos que antes requerían llamadas telefónicas.

Jim Roth, presidente de Customer Success de Salesforce, enmarcó el cambio en términos que van más allá de la reducción de costos: "Cuando nuestra capacidad es infinita, podemos ser proactivos y construir experiencias de cliente aún más increíbles. Podemos tratar a cada cliente como si fuera nuestro cliente más importante".

El ARR de Agentforce superó los 800 millones de dólares, un aumento interanual del 169%, con 29.000 acuerdos cerrados. Más del 60% de esas reservas provino de clientes existentes que ampliaron su uso —generalmente una señal más confiable que el crecimiento de nuevos clientes.

Operaciones de TI: de las colas de tickets a la resolución autónoma

Los departamentos de TI han estado durante mucho tiempo saturados de tareas repetitivas y laboriosas: restablecimiento de contraseñas, provisión de software, solicitudes de acceso, clasificación de incidentes. El volumen de estos tickets rara vez justifica que ingenieros senior los atiendan, pero alguien tiene que hacerlo. Los agentes de IA están absorbiendo esa carga más rápido de lo que la mayoría predijo.

Autonomous Workforce de ServiceNow, presentado en su conferencia Knowledge 2026 en mayo, es el despliegue más integral de este modelo. El especialista de IA del Service Desk L1 interno de la empresa resuelve los casos de TI asignados un 99% más rápido que los agentes humanos que manejan los mismos casos, y la plataforma ya gestiona de forma autónoma más del 90% de las solicitudes de TI de los empleados en la propia ServiceNow.

Bill McDermott, presidente y CEO de ServiceNow, describió el posicionamiento en Knowledge 2026 como pasar "más allá de la plataforma de plataformas para convertirnos en el agente de agentes de IA, conectando cualquier modelo, cualquier nube y cualquier fuente de datos".

Los despliegues reales lo respaldan. Bell Canada, tras desplegar ServiceNow AI Agents en Telecom, reportó una mejora del 25% en el tiempo de respuesta al cliente y un 90% de retroalimentación positiva sobre la precisión de la IA. El asistente de IA "Red" de Honeywell eliminó la mayoría de las conversaciones del service desk, liberando al personal de TI para trabajos de mayor nivel.

Autonomous CRM de ServiceNow ahora resuelve más de 100 millones de casos de clientes al mes, orquesta más de 16 millones de pedidos y configura más de siete millones de cotizaciones en toda su base de clientes. Los ingresos por suscripciones de ServiceNow alcanzaron los 3.670 millones de dólares en el primer trimestre de 2026, un 22% más interanual —un crecimiento logrado en un mercado donde los compradores no conceden renovaciones a la ligera.

Operaciones financieras: el trabajo aburrido que realmente importa

Los despliegues de IA empresarial con mayor ROI han sido consistentemente los menos llamativos: procesamiento de documentos, conciliación de facturas, emparejamiento de datos —trabajo que nadie quiere hacer pero que todos necesitan que se haga con precisión.

Praveen Akkiraju, managing director de Insight Partners, hizo este punto en CXOTalk en junio de 2026, usando Stampli como ejemplo. Stampli es una plataforma nativa de IA para cuentas por pagar que se apoya sobre los sistemas ERP existentes y aplica lógica de agentes al procesamiento de facturas: captura de facturas en cualquier formato, codificación de transacciones, emparejamiento de partidas contra órdenes de compra y enrutamiento de aprobaciones basado en patrones aprendidos de los datos históricos de la propia empresa.

La observación de Akkiraju: "Tienes una plataforma de datos sólida sobre la cual puedes construir un agente para esencialmente aprovechar una de las superpoderes de los LLM, que es discernir la señal del ruido".

En otras palabras, la automatización de cuentas por pagar es interesante no porque elimine tecleos, sino porque el agente aprende cómo se ve lo normal y empieza a señalar lo que no lo es.

Los datos respaldan esta visión. Está documentado que los despliegues de IA en finanzas y operaciones aceleran los procesos de cierre entre un 30% y un 50%, y los agentes de servicio al cliente ahorran a los equipos pequeños más de 40 horas al mes. Son resultados reportados de despliegues actuales, no proyecciones. El patrón entre industrias es consistente: los mayores retornos provienen de agentes que manejan procesos de coordinación de múltiples pasos, de alto volumen y fuerte carga regulatoria —exactamente el trabajo que era más difícil justificar asignar a personal humano costoso.

Ventas y CRM: de registros a ingresos

El cambio en el software de ventas es más significativo de lo que la mayoría de los compradores cree. Los sistemas CRM siempre han sido sistemas de registros: registras lo que ocurrió después de que ocurrió, y alguien lee el informe más tarde. Los agentes de IA están cambiando tanto el retraso como la dirección de ese flujo.

Paul Fipps, presidente de Global Customer Operations de ServiceNow, describió el patrón que su plataforma observa en los equipos de ventas: "Hemos visto de primera mano cómo los agentes ayudan a los equipos a priorizar los leads correctos, mejorar la conversión y reducir el tiempo de preparación en casi un 80%". Esa reducción importa porque la preparación de ventas suele ser el cuello de botella entre un lead calificado y una conversación real.

Del lado de Salesforce, Benioff citó el despliegue de Dell como un resultado que va más allá de la eficiencia: los agentes de Agentforce automatizaron partes de la cadena de suministro de Dell, incluida la incorporación de nuevos proveedores, reduciendo el tiempo promedio de incorporación de meses a días.

Reddit desvió el 46% de los casos de soporte y redujo los tiempos de resolución en un 84%, disminuyendo el tiempo promedio de respuesta de 8,9 minutos a 1,4 minutos. Adecco gestionó el 51% de las conversaciones con candidatos fuera del horario laboral estándar completamente mediante agentes. No son casos aislados: se están convirtiendo en el patrón de despliegue predeterminado para los grandes clientes empresariales.

El problema de integración que nadie ha resuelto del todo

El patrón que atraviesa todo esto es real, pero viene con un asterisco serio. Los agentes funcionan cuando los datos que los sustentan están limpios y conectados. Cuando no lo están, los resultados son pobres o impredecibles.

El Informe de Referencia de Conectividad 2026, que encuestó a 1.050 líderes de TI empresarial a nivel global, encontró que solo el 27% de las aplicaciones empresariales están actualmente conectadas. La empresa promedio ejecuta 12 agentes de IA, la mitad de los cuales operan en silos aislados en lugar de formar parte de sistemas coordinados. Y el 86% de los líderes de TI cree que los agentes crearán más complejidad que valor cuando falta la integración. Gartner ha ido más lejos, proyectando que más del 40% de los proyectos de IA agéntica podrían cancelarse para 2027 debido a costos crecientes, valor de negocio poco claro y controles de riesgo inadecuados.

Boomi es la plataforma que más directamente aborda este problema. La capa de integración empresarial —que conecta aplicaciones, gestiona API, sincroniza datos maestros y ahora gobierna los flujos de trabajo de agentes de IA— cuenta actualmente con más de 75.000 agentes funcionando en producción en toda su base de clientes.

Joe Varghese, gerente senior de IT Enterprise Data, Integrations and Analytics de Amneal Pharmaceuticals, describió el resultado de combinar Boomi con Claude para construir un agente autónomo de respuesta a incidentes 24/7: "Llevamos el cumplimiento de SLA del 85% al 98%, y nuestros equipos ahora pueden concentrarse en la innovación en lugar de la gestión de incidentes". El agente detecta, diagnostica e impulsa la resolución sin esperar a que un humano abra un ticket.

Boomi fue nombrada Pioneer en el Cuadrante de Mercados Emergentes de Gartner de junio de 2026 para Constructores de Agentes Sin Código, una categoría de reconocimiento más nueva que rastrea específicamente plataformas que hacen accesible el despliegue agéntico sin recursos de ingeniería especializados.

McDermott de ServiceNow reconoció el problema más amplio en Knowledge 2026: "Las empresas han invertido miles de millones en capacidades de IA, pero la gran mayoría no puede conectar esa inversión con resultados de negocio medibles".

El desafío de integración no se resuelve con un anuncio de producto. Requiere tratar la arquitectura de datos como un requisito previo para el despliegue de agentes, no como una ocurrencia tardía. Las empresas que hoy obtienen más provecho de los agentes de IA son las que lo abordaron así desde el principio: datos limpios, permisos definidos, registros de auditoría y supervisión humana para decisiones materiales. Ese trabajo ocurre en paralelo con el despliegue de agentes, no en secuencia —más desordenado de lo que suena, pero más honesto sobre cómo se desarrolla realmente la transformación empresarial. Para las organizaciones que observan este espacio, la señal a seguir no son los anuncios de proveedores, sino si los despliegues de agentes resisten frente a ese referente de cancelación de 2027 —el cual, según las cifras actuales de integración de datos, la mayoría de las empresas todavía no se ha ganado el derecho a dar por sentado.