El dato incómodo con el que conviene empezar
En 2025, el 20,0 % de las empresas de la UE con 10 o más empleados utilizaba tecnologías de IA, frente al 13,5 % del año anterior (Eurostat, diciembre de 2025). El crecimiento es real —6,5 puntos en doce meses— pero la base sigue siendo estrecha, y la dispersión entre países es brutal: Dinamarca alcanza el 42,0 %, Finlandia el 37,8 %, mientras Rumanía se queda en el 5,2 % y Polonia en el 8,4 %. El tamaño importa todavía más que la geografía: el 55,0 % de las grandes empresas usa IA, frente al 17 % de las pequeñas.
Esa cifra se refiere a IA en general. Los agentes con capacidad de ejecución son un subconjunto mucho menor. Gartner estimaba en junio de 2025 que menos del 1 % de las aplicaciones empresariales incorporaba capacidades agénticas, y que de los miles de proveedores que se presentan como «agénticos» apenas unos 130 construían realmente la tecnología: el resto reetiquetaba chatbots, asistentes virtuales y RPA. La misma casa predice que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que termine 2027, por escalada de costes, valor de negocio poco claro o controles de riesgo insuficientes.
Ese 40 % es el punto de partida honesto de este artículo. No porque la tecnología no funcione, sino porque el modo de fallo dominante en 2026 no es técnico: es de encuadre. Se despliegan agentes sobre procesos mal elegidos, con perímetros de autonomía indefinidos, en organizaciones que no pueden demostrar ante un auditor qué decidió el sistema ni por qué.
¿Qué es un agente y en qué se diferencia de lo que ya tiene instalado?
Un agente de IA percibe su entorno digital, razona sobre un objetivo, planifica los pasos y ejecuta acciones directas en otros sistemas. La palabra operativa es ejecuta: es lo que separa a un agente de un copiloto y lo que traslada el problema desde el dominio de la productividad al dominio del control interno.
Frente a la automatización robótica de procesos convencional:
- Adaptabilidad frente a rigidez. La automatización basada en reglas se interrumpe cuando cambia una interfaz o aparece un caso no contemplado. El agente evalúa el contexto y busca rutas alternativas.
- Decisión dentro de límites. El agente aplica razonamiento contextual guiado por políticas, en lugar de exigir una regla explícita por escenario.
- Interacción multisistema. Coordina ERP, SGA, sensórica de planta y herramientas de comunicación sin una integración rígida por cada caso.
La advertencia que casi ningún artículo sobre este tema incluye: esa misma adaptabilidad es el principal vector de riesgo industrial. Un sistema RPA que se rompe cuando cambia una pantalla falla de forma visible y segura. Un agente que «busca una ruta alternativa» cuando el camino previsto no funciona puede improvisar sobre un sistema de gestión de almacén, un MES o una orden de trabajo con consecuencias físicas. En un entorno de oficina, la improvisación es una característica. En planta, es un peligro que hay que acotar por diseño.
Tres casos de uso donde el retorno es defendible
1. Orquestación dinámica de la cadena de suministro
Los agentes monitorizan eventos logísticos, plazos de proveedor e inventario en tiempo real. Ante un retraso en un componente crítico, el agente recalcula alternativas, solicita cotizaciones a proveedores preaprobados y propone la reprogramación de turnos antes de que se produzca un paro de línea.
Por qué funciona: el proceso es iterativo, intensivo en datos multisistema y las decisiones son reversibles hasta el momento de la confirmación de pedido. Ese es exactamente el perfil de proceso apto.
2. Mantenimiento y gestión de activos
Más allá de la alerta predictiva, el agente gestiona el flujo completo: ante una anomalía vibratoria en una prensa, comprueba disponibilidad de repuesto, reserva la pieza, genera la orden de trabajo en el GMAO e identifica el turno con personal técnico cualificado disponible.
Cautela imprescindible: si el activo entra en el ámbito del Reglamento (UE) 2023/1230 de Máquinas —aplicable desde el 20 de enero de 2027—, cualquier función de IA que intervenga en una función de seguridad deja de ser una decisión de TI y pasa a ser materia de evaluación de conformidad. El Reglamento se diseñó explícitamente para cubrir «nuevas tecnologías como la maquinaria móvil autónoma (robots), el internet de las cosas con equipos conectados, o la inteligencia artificial, cuando módulos específicos de IA que emplean técnicas de aprendizaje garantizan funciones de seguridad». Un agente que planifique mantenimiento es una cosa; un agente con capacidad de actuar sobre parámetros de la máquina es otra muy distinta. Ese límite hay que trazarlo en la fase de diseño, no en la de auditoría.
3. Trazabilidad y cumplimiento ambiental
Aquí es donde el caso europeo se vuelve específico y donde el retorno es más fácil de cuantificar, porque la obligación ya existe y ya cuesta dinero. El CBAM entró en su régimen definitivo el 1 de enero de 2026: los importadores que superen el umbral único de 50 toneladas de mercancías CBAM deben solicitar la condición de declarante CBAM autorizado, declarar anualmente las emisiones incorporadas y entregar los certificados correspondientes, con precio calculado como media trimestral en 2026 y semanal a partir de 2027. Los sectores cubiertos —cemento, hierro y acero, aluminio, fertilizantes, electricidad e hidrógeno— son el corazón de la industria pesada europea.
Un agente que audita documentación de materiales de importación, valida la consistencia de los informes de huella a lo largo de la cadena de proveedores y señala discrepancias para revisión humana no es una mejora de productividad difusa: ataca un coste de cumplimiento que ya está en el presupuesto y que es recurrente, medible y auditado por un tercero. Si tiene que elegir un único caso piloto en una industria intensiva en materiales, empiece por aquí.
El marco normativo, con fechas concretas
La mayoría de los artículos publicados en 2025 y principios de 2026 sobre este tema quedaron desactualizados. Conviene el detalle:
AI Act — las fechas cambiaron. El acuerdo provisional del Digital Omnibus, alcanzado el 6 de mayo de 2026 y confirmado por los representantes de los Estados miembros el 13 de mayo, aplaza las obligaciones de alto riesgo: Anexo III al 2 de diciembre de 2027 y Anexo I al 2 de agosto de 2028. Si su plan de cumplimiento sigue anclado en agosto de 2026, está trabajando sobre una fecha que ya no existe.
Pero el 2 de agosto de 2026 sigue siendo una fecha activa. Las obligaciones de transparencia del artículo 50 se mantienen en el calendario original: hay que informar cuando una persona interactúa con un sistema de IA. Para el marcado de contenido en sistemas ya comercializados antes de esa fecha existe un periodo de gracia hasta el 2 de diciembre de 2026. Un aplazamiento de las obligaciones de alto riesgo no es una moratoria general.
Artículo 26 — la parte que afecta al desplegador, no al proveedor. Es la que casi nunca se cita y la que gobierna directamente a la empresa industrial que compra o integra el sistema. Obliga, entre otras cosas, a:
- Asignar la supervisión humana a personas físicas con la competencia, formación y autoridad necesarias (apdo. 2).
- Garantizar que los datos de entrada bajo su control sean relevantes y suficientemente representativos (apdo. 4).
- Monitorizar el funcionamiento conforme a las instrucciones de uso e informar al proveedor de riesgos o incidentes graves sin demora indebida (apdo. 5).
- Conservar los registros generados automáticamente durante un periodo apropiado y en todo caso no inferior a seis meses (apdo. 6).
- Informar a los representantes de los trabajadores y a los trabajadores afectados antes de poner en servicio el sistema en el lugar de trabajo (apdo. 7).
Ese último punto merece énfasis en un contexto industrial europeo con representación sindical fuerte: la comunicación a la plantilla no es gestión del cambio opcional, es obligación normativa.
Data Act — vigente desde el 12 de septiembre de 2025. Regula el acceso y la compartición de datos generados por productos conectados. Si su agente se alimenta de sensórica de planta o de maquinaria conectada suministrada por un tercero, quién puede acceder a esos datos y en qué condiciones ya no es solo una cuestión contractual.
Reglamento de Máquinas — 20 de enero de 2027. Ya tratado arriba. Para una empresa manufacturera, esta fecha llega once meses antes que la del Anexo III del AI Act.
Método de implantación por fases
- Identificación de procesos aptos. Iterativos, intensivos en datos multisistema, con reglas de decisión claras aunque variables, y —criterio añadido— con acciones reversibles. Evite procesos indeterminados y evite, en fase inicial, cualquier proceso cuyo error no se pueda deshacer.
- Definición del perímetro de autonomía. Qué ejecuta el agente por sí solo y qué requiere validación humana previa. Documéntelo como una política, no como una configuración.
- Auditoría de la infraestructura de datos. Registros de auditoría adecuados y permisos granulares en todos los sistemas donde el agente vaya a actuar. Si los sistemas de destino no registran quién hizo qué, el agente no es auditable por mucha trazabilidad que tenga el modelo.
- Prueba de concepto acotada. Subconjunto limitado del proceso, sin impacto directo en producción crítica, con métricas de precisión y tiempo de respuesta definidas antes del despliegue.
- Escalado progresivo y supervisión continua. Ampliar límites de autonomía conforme se consoliden las métricas y la confianza de los equipos operativos.
El criterio de parada que falta en la mayoría de metodologías: defina de antemano qué resultado del piloto significa no escalar. La ausencia de un umbral de cancelación explícito es una de las razones por las que Gartner proyecta ese 40 % de proyectos cancelados —tarde y caro— en lugar de detenidos a tiempo y barato.
Matriz de riesgo y mitigación
| Área de riesgo | Desafío asociado | Estrategia de mitigación |
|---|---|---|
| Deriva operativa | Ejecución de acciones no deseadas por interpretación errónea del contexto. | Envolvente de acción explícita: lista blanca de operaciones permitidas, límites de volumen y de importe por transacción, y enclavamientos que impidan al agente actuar sobre parámetros con efecto físico. |
| Cumplimiento normativo | Supervisión humana efectiva y trazabilidad exigidas por el AI Act (arts. 14 y 26) y, en maquinaria, evaluación de conformidad bajo el Reglamento 2023/1230. | Registro completo de razonamiento y decisión, con retención mínima de seis meses (art. 26.6). Persona designada con competencia y autoridad real para detener el sistema. |
| Identidad y accesos | Abuso de credenciales si el agente es comprometido; identidades no humanas fuera del ciclo de vida de IAM. | Mínimo privilegio, credenciales efímeras, identidad segregada por agente y por entorno, y revisión de las identidades no humanas dentro del mismo proceso de recertificación que las humanas. |
| Dependencia de proveedor | «Agent washing»: soluciones que reetiquetan RPA o chatbots sin capacidad agéntica real. | Exigir en el proceso de compra evidencia de planificación multipaso, gestión de estado y trazas de razonamiento sobre su caso de uso, no sobre una demo. |
| Impacto laboral | Obligación de información a la plantilla y riesgo de rechazo operativo. | Comunicación a representantes de los trabajadores previa al despliegue (art. 26.7), integrada en el plan de proyecto y no como trámite posterior. |
La arquitectura debe diseñarse priorizando la auditabilidad: cada decisión del agente debe dejar huella verificable de qué datos consultó, qué lógica aplicó, qué acción ejecutó y qué persona supervisó el resultado. Si esas cuatro cosas no se pueden reconstruir seis meses después, el sistema no es desplegable en un entorno regulado europeo, con independencia de lo bien que funcione.
Conclusión
La ventaja competitiva en IA agéntica industrial no se va a decidir por la calidad del modelo, que es un insumo cada vez más comoditizado. Se va a decidir por dos cosas: la elección del proceso —reversible, medible, con coste de cumplimiento ya identificado— y la capacidad de demostrar control ante un auditor, un cliente o un inspector.
Las empresas que traten el calendario normativo europeo como una restricción de diseño desde el primer día, y no como un obstáculo que resolver antes de salir a producción, llegarán a diciembre de 2027 con sistemas en operación. Las que lo dejen para el final llegarán con pilotos.
En Agentic AI acompañamos a empresas industriales en la evaluación, el diseño y la implantación de sistemas de agentes con perímetros de autonomía definidos y trazabilidad auditable, alineados con el AI Act, el Reglamento de Máquinas y el Data Act.
Fuentes
- Eurostat — 20 % de las empresas de la UE usan tecnologías de IA (11 de diciembre de 2025) y Use of artificial intelligence in enterprises.
- Gartner — Over 40 % of agentic AI projects will be canceled by end of 2027 (25 de junio de 2025).
- Comisión Europea — AI Act Service Desk, artículo 26: obligaciones de los desplegadores.
- Gibson Dunn — EU AI Act Omnibus Agreement: aplazamiento de las obligaciones de alto riesgo.
- Comisión Europea — Régimen definitivo del CBAM.
- EU-OSHA — Reglamento (UE) 2023/1230 sobre máquinas.
- Comisión Europea — Data Act.
