El "agent washing": por qué Gartner prevé que más del 40% de los proyectos de IA agéntica se cancelen antes de 2027

Gartner lleva meses repitiendo una cifra incómoda para cualquiera que venda "agentes de IA": más del 40% de los proyectos de IA agéntica se cancelarán antes de que acabe 2027. No es una opinión suelta de un analista: es una previsión publicada por una de las consultoras que más influye en cómo las empresas deciden qué tecnología comprar. Y la razón que da detrás no es que la tecnología sea mala, sino algo más concreto: coste que se dispara, valor de negocio poco claro y controles de riesgo insuficientes.

Gartner también ha puesto nombre a algo que cualquiera que haya pedido presupuesto a varias agencias este año probablemente ya haya notado: el "agent washing". Según la consultora, de los miles de proveedores que hoy comercializan "agentes de IA", solo alrededor de 130 ofrecen algo que cumple de verdad las características de un agente —percibir contexto, decidir con criterio propio, actuar sobre varios pasos sin que alguien le diga qué hacer en cada uno—. El resto son herramientas de automatización tradicional (RPA), chatbots o asistentes de IA que ya existían, a los que simplemente se les cambió la etiqueta del producto cuando "agente de IA" se puso de moda.

No es un fenómeno exclusivo de fuera de España. Ya hablamos en este blog de cómo buena parte de lo que se vende aquí como "agente de IA" es, en realidad, un flujo de n8n o Make con una llamada a un modelo en medio — una categoría legítima de producto, pero distinta a la que mucha gente cree estar comprando. El "agent washing" es la misma idea vista desde el lado del marketing: la etiqueta cambia más rápido que el producto que hay detrás.

Lo interesante del análisis de Gartner es que no todo el 40% que se va a cancelar es "agent washing" disfrazado. Una parte son proyectos que sí eran agentes reales y fallaron igual, y las razones que da la consultora coinciden casi palabra por palabra con lo que ya veníamos observando en los proyectos que no llegan a producción: expectativas de autonomía que el modelo todavía no puede cumplir con fiabilidad, nadie que defina de antemano qué significa que el sistema "funcione bien", y un cálculo de retorno que se hizo sobre una demo bonita, no sobre el proceso real con sus excepciones.

Dicho de otra forma: la IA agéntica no falla principalmente por el modelo. Falla por el mismo motivo por el que fallan muchos proyectos de software —un diagnóstico insuficiente antes de construir— con el añadido de que un agente mal acotado puede tomar decisiones, no solo mostrar un resultado equivocado en una pantalla.

Antes de firmar con cualquier proveedor que te ofrezca "un agente de IA", unas preguntas concretas separan rápido las dos categorías. ¿Qué decide el sistema por su cuenta, y qué necesita siempre que una persona lo confirme? Un agente real tiene una respuesta clara aquí; un flujo relabeled suele responder con generalidades. ¿Qué pasa cuando el proceso se sale de la ruta esperada —un dato que falta, una excepción que nadie anticipó—? Si la respuesta es "se detiene" sin más, probablemente no hay criterio real detrás, solo reglas encadenadas. ¿Cómo mide el proveedor que el sistema está funcionando bien, con qué métrica, revisada con qué frecuencia? Si no hay una métrica definida antes de construir, es exactamente el fallo que señala Gartner como una de las causas principales de cancelación.

Ninguna de estas preguntas es nueva para quien ya haya leído lo que exigimos a cualquier proveedor en materia de garantías: lo que suena bien en una llamada de ventas y lo que se puede medir por escrito son dos cosas distintas, y la diferencia se paga más tarde si no se aclara antes de firmar.

No prometemos autonomía total desde el primer día, aunque suene menos vistoso en una propuesta. Definimos con el cliente, antes de escribir una línea de código, qué significa que el agente funcione bien y qué decisiones necesitan supervisión humana al principio. Y empezamos por un alcance acotado —un proceso concreto, no "automatizar todo el departamento" de golpe—, precisamente porque es el patrón que más veces hemos visto llegar a producción y quedarse ahí, en vez de convertirse en una demo que se cancela a los pocos meses.

Si estás evaluando contratar un agente de IA y no tienes claro si lo que te están ofreciendo es un agente de verdad o una automatización con una etiqueta nueva, es exactamente el tipo de pregunta que resolvemos en la fase de análisis, antes de proponerte nada.