El Gartner proyecta que las empresas gastarán US$ 206,5 mil millones en software de agentes de IA en 2026, un aumento del 139% sobre los US$ 86,4 mil millones de 2025. Para comparar: se espera que el mercado de IA en su conjunto crezca un 47% en el mismo período. Es decir, los agentes crecen casi tres veces más rápido que el resto de la IA. Cuando el dinero se mueve a esta velocidad, está contando una historia.
Esta publicación traduce esa historia para quienes deciden el presupuesto: qué cambió entre la era de las demostraciones bonitas y la era de los agentes que trabajan de verdad, por qué una gran parte de esos mil millones se desperdiciará, y cómo mantenerse en el lado correcto de esta cuenta siendo una empresa mediana brasileña, no una gran tecnológica.
El número y la trampa dentro de él
Primero, el vocabulario. Un agente de IA no es un chat que responde a preguntas. Es un programa que asume una tarea de principio a fin: lee la solicitud, consulta los sistemas de la empresa, decide qué es rutina y qué necesita gente, ejecuta y entrega el resultado listo. La diferencia entre un chat y un agente es la diferencia entre un asistente que te explica cómo llenar el formulario y un empleado que llena el formulario por ti.
Ahora, la trampa. En el mismo conjunto de proyecciones, el Gartner señala que solo el 17% de las organizaciones tienen agentes de IA funcionando de verdad, y estima que más del 40% de los proyectos de IA agéntica pueden ser cancelados antes de finales de 2027. Junte los tres datos: el gasto se más que duplica en un año, la minoría logró poner en producción, y casi la mitad de los proyectos deberán morir en el camino.
No es una contradicción. Es el retrato de un mercado que ya ha probado el valor de la tecnología, pero todavía se equivoca mucho en la ejecución. Y la diferencia entre quien cosecha resultados y quien cancela el proyecto no es el tamaño del cheque. Es lo que viene en las próximas secciones.
Qué cambió de 2024 a 2026
En 2024, todos los proveedores tenían una demostración de agente. Un robot conversando bonito en la reunión de ventas, respondiendo a tres preguntas ensayadas, todo el mundo impresionado. Muchas empresas compraron esa demostración y descubrieron en los meses siguientes que impresionar en la reunión y aguantar la operación real son deportes diferentes. Ya escribimos sobre esto en detalle: por qué el agente vuela en la demo y muere en producción.
En 2026, el dinero está yendo a otro lugar. La empresa no paga más por demostración, paga por agente que asume un flujo de trabajo entero: la atención de primera línea, la conferencia de documentos, la clasificación de pedidos. Con dos condiciones que se volvieron estándar de mercado: revisión humana en los puntos que importan y economía comprobada en informe, no en promesa de diapositiva.
Ese cambio explica el crecimiento del 139%. El comprador maduró. No está pagando por tecnología impresionante, está pagando por trabajo entregado. Y el trabajo entregado se mide: horas economizadas, errores evitados, plazo acortado, cliente respondido a las 2 de la mañana.
La parte difícil no es la inteligencia, es el resto
Este es el motivo por el cual el 40% de los proyectos morirán, y es el punto más importante de este texto: el modelo de IA casi nunca es el problema. Los modelos de hoy son buenos suficientes para la inmensa mayoría de las tareas de rutina de una empresa. Lo que decide el éxito es todo lo que queda alrededor del modelo.
Piense en contratar a un profesional brillante, recién llegado, en su primer día de trabajo. Su inteligencia no resuelve nada sola. Sin entrenamiento, no conoce las reglas de su empresa. Sin evaluación de desempeño, no sabe cuándo se equivoca. Sin autoridad definida, firma lo que no debería. Con un agente de IA es idéntico, y son exactamente tres engranajes:
1. Contexto correcto en el momento correcto. El agente necesita tener acceso a lo que su empresa sabe: la política de intercambio vigente, el historial de ese cliente, la tabla de precio actualizada. Un agente respondiendo con información vieja o genérica no es un agente, es un riesgo con firma mensual. La mayor parte del trabajo de construir un agente bueno es organizar y entregar esa información a él en el momento en que necesita decidir.
2. Medición de error antes de que el cliente la mida por usted. Todo agente se equivoca. La pregunta es si usted descubre el error en una prueba interna o en una queja de cliente. Operaciones serias corren pruebas continuas en el agente, como control de calidad en línea de producción: muestras diarias, casos difíciles a propósito, nota mínima para seguir en el aire. Quien no mide no sabe que está errando, y quien no sabe que está errando cancela el proyecto seis meses después sin entender qué pasó.
3. Límites que impiden que el agente invente. Reglas claras de lo que nunca puede hacer solo: prometer plazo que no confirmó, dar descuento fuera de la autoridad, responder sobre asunto que no domina. Y un camino de escalada: cuando no tiene certeza, pasa a un humano, no improvisa. Sobre esto también ya fuimos más profundos: lo que protege de verdad una operación con IA.
Nada de esto aparece en la demostración. Todo esto aparece en la factura del tercer mes.
Cómo esto aparece en la práctica
El estándar de los casos que funcionan es siempre el mismo: un flujo específico, con revisión humana y resultado medido. En el mercado brasileño ya hay ejemplos maduros, como asistentes de WhatsApp que responden a clientes 24 horas por día y escalan para el equipo humano lo que escapa de la rutina.
En Steply, el caso que usamos como regla es el del financiero: un agente que asumió la conferencia y el cruce de pagos (la conciliación), trabajo que consumía horas de gente calificada en tarea de comparar líneas. El agente hace la rutina, el humano revisa las excepciones, y la economía aparece en horas contadas, no en impresión. Contamos los detalles en cómo destrabamos el cuello de botella de la conciliación.
Repare en lo que estos casos no son: no son la empresa entera volviéndose IA, no son 15 agentes lanzados de una vez, no son proyectos de dos años. Son un flujo molesto, repetitivo y caro siendo entregado a un agente con supervisión. Es así como los US$ 206 mil millones se vuelven retorno en lugar de volverse los 40% cancelados.
Comprar herramienta o construir operación
Existe una división formándose entre las empresas, y se hará más visible a lo largo de 2026. De un lado, quien solo firma herramienta genérica de IA: tiene exactamente lo que el competidor tiene, por el mismo precio, con el mismo resultado. Herramienta genérica no es ventaja competitiva, es cuenta nueva.
Del otro lado, quien construye agentes encima de los propios procesos: la atención con las reglas de la casa, el financiero con las excepciones de la casa, la clasificación con los criterios de la casa. Esa empresa usa los US$ 206 mil millones a favor de ella, porque el mercado entero está abaratando y madurando la tecnología de base, y ella aplica esa tecnología en el cuello de botella que solo ella conoce. Ya mostramos cómo esta lógica está abalando incluso el modelo de suscripción de software: el dinero migra de pagar por acceso a pagar por resultado.
Por dónde empezar, sin gastar como una gran tecnológica
Si su empresa todavía no tiene ningún agente funcionando, la recomendación es casi anticlimática: empiece con un agente pequeño, para un problema real y molesto. Repetitivo, con regla clara, con dolor que se puede medir en horas o en reales. Coloque revisión humana desde el primer día. Mida lo antes y lo después. Solo entonces piense en el segundo agente.
La pregunta de 2026 ya no es más "¿vamos a usar IA?". El mercado ya respondió con US$ 206 mil millones. La pregunta que separa a quien cosecha de quien cancela es otra: ¿qué flujo de trabajo entregamos primero a un agente, y cómo vamos a saber, con número, si está haciendo bien hecho? Quien responde esto antes de firmar cualquier contrato ya está por delante de la mayoría.
