Saltar al contenido principal

IA

8 de julio de 2026

 

Los agentes de IA están listos para actuar. La mayoría de los sistemas no están listos para confiar en ellos

Estos son los cinco desafíos organizacionales que impiden que la IA pase de las pruebas piloto al uso cotidiano.

logotipo de google
Kaushik Gopal profile photo

Kaushik Gopal

Executive Vice President, Business & Market Insights, Mastercard

La mayoría de las organizaciones no tienen un problema de innovación en IA. Tienen un problema de escalabilidad. En todas las industrias, las empresas han pasado los últimos años experimentando con pilotos de IA; sin embargo, muchas todavía tienen dificultades para pasar de pruebas de concepto prometedoras a la implementación en el mundo real.

El obstáculo rara vez es la falta de ambición — la inversión global privada en IA creció más de trece veces entre 2014 y 2024. Más a menudo, los líderes no han construido las condiciones necesarias para confiar en la IA, en particular en la IA agéntica, a escala: cultura, seguridad, responsabilidad, gobernanza y preparación de los datos.

La confianza no se construye sobre un único control o política. Depende de que las organizaciones generen confianza en múltiples dimensiones al mismo tiempo. Las empresas pueden tener modelos de IA sofisticados pero una gobernanza débil, controles de seguridad sólidos pero una preparación limitada de la fuerza laboral, o datos de alta calidad pero una rendición de cuentas poco clara. Quienes están logrando el mayor progreso no necesariamente están implementando más IA: están avanzando en todas estas dimensiones simultáneamente.

Las organizaciones pueden construir la confianza necesaria para pasar de los conocimientos a la acción solo si pueden responder a estas cinco preguntas. 

 

¿La gente sabe cómo trabajar con la IA?

Una de las señales más persistentes que vemos en toda la industria es una desconexión entre el entusiasmo de los líderes por la IA y la comprensión de los empleados sobre cómo debería utilizarse. Esa brecha puede dificultar la adopción. Pedir a esos mismos equipos que adopten la IA requiere algo más que darles acceso a nuevas herramientas. Necesitan entender cómo debe usarse la IA, dónde puede añadir valor y cómo cambiará la forma en que se realiza su trabajo.

Esto comienza con una comunicación clara. Aunque las actitudes de los ejecutivos hacia la IA han cambiado rápidamente, ese sentimiento no siempre llega a los miembros de sus equipos. Según el Informe 2026 sobre IA en servicios profesionales del Thomson Reuters Institute, casi el 40 % de los profesionales afirma haber recibido instrucciones contradictorias sobre el uso de la IA por parte de la dirección y los clientes. 

Los líderes pueden cerrar esta brecha yendo más allá de los mandatos generales de IA y brindando a los empleados una guía práctica sobre cuándo usar la IA, dónde debe aplicarse en sus flujos de trabajo y dónde el juicio humano sigue siendo esencial. Cuando los empleados comprenden cómo la IA apoya su trabajo y qué se espera de ellos, las organizaciones pueden pasar de la experimentación a la adopción.

 

¿Se debería permitir que este agente haga esto?

A medida que los agentes de IA se acercan a la toma de decisiones y la ejecución, la pregunta cambia de si pueden generar información a si se puede confiar en que actúen.

Es por eso que la seguridad, la privacidad y el uso responsable deben integrarse en el modelo operativo desde el principio. Para las empresas, esto implica establecer salvaguardas para proteger la información confidencial y crear responsabilidad antes de que se confíe a los agentes el acceso a datos o la realización de tareas más complejas.

En esencia, este es un desafío de identidad y acceso. Antes de que un agente de IA pueda recuperar información, iniciar un pago o interactuar con un cliente, las organizaciones necesitan tener confianza en qué es el agente, a qué sistemas puede acceder y qué permisos se le han otorgado. Si tu empresa no confía en él, ¿cómo puedes esperar que tus clientes lo hagan? 

 

¿Quién es dueño del resultado?

A medida que los agentes de IA asumen más responsabilidades autónomas, las organizaciones se enfrentan a un obstáculo diferente: determinar quién es responsable cuando un agente toma una decisión, ejecuta una tarea o produce un resultado inesperado.

Aunque muchas empresas están interesadas en implementar agentes, solo el 32 % afirma haber incluido realmente a los agentes en la planificación de la fuerza laboral, según un informe de Cisco de 2025 sobre la preparación para la IA. Sin estructuras de propiedad claras, las empresas corren el riesgo de crear incertidumbre en torno a la toma de decisiones, la supervisión y la rendición de cuentas.

Los líderes deben establecer modelos de propiedad claros para el trabajo habilitado por IA, describiendo qué decisiones pueden delegarse a agentes, dónde sigue siendo esencial el juicio humano y cómo se escalarán los problemas cuando los sistemas se comporten de forma inesperada. Las organizaciones que escalen con éxito la IA agéntica serán aquellas que den el paso adicional de rediseñar los flujos de trabajo existentes para que los humanos y la IA puedan operar juntos con roles, responsabilidades y expectativas más claros. 

 

¿Cómo sabemos que está listo para actuar?

Una vez que las organizaciones han establecido la responsabilidad, surge una nueva pregunta: ¿cómo sabes cuándo un agente de IA está listo para el mundo real?

Las empresas necesitan formas de probar el rendimiento, evaluar los resultados y comprender cómo se comportan los agentes antes de confiarles las interacciones con los clientes, los procesos operativos o las decisiones empresariales críticas. El enfoque no debería estar en crear un agente, sino en tomar las medidas adecuadas para validar que el agente pueda desempeñarse de manera confiable, consistente y segura en una amplia gama de escenarios.

Antes de que se confíe en los agentes para actuar y se implementen a escala, las organizaciones quieren cada vez más entornos donde puedan evaluar el rendimiento, identificar puntos de falla y refinar los controles.  Esa es una de las razones por las que Mastercard creó Agent Suite, que ayuda a las organizaciones a pasar de los proyectos piloto a una implementación confiable, y por la que recientemente la ampliamos con Proto, un entorno de pruebas para explorar, probar y validar casos de uso de IA agéntica antes de introducirlos en los flujos de trabajo de producción. Mastercard también presentó tres nuevos agentes de IA diseñados para apoyar funciones empresariales clave: gestión de comercios, incorporación y disputas. Juntas, estas capacidades pueden ayudar a las organizaciones a identificar dónde la IA puede generar valor empresarial mientras se escala dentro de marcos seguros y regulados.

 

¿Tiene la información que necesita?

Incluso las organizaciones que abordan la adopción, la seguridad y la gobernanza a menudo encuentran otro obstáculo: los agentes de IA solo pueden actuar sobre la información que pueden entender; entonces, los datos correctos pueden usarse de forma segura, con permisos claros, cuando los agentes actúan en tiempo real. 

Sin embargo, muchas organizaciones todavía operan con datos fragmentados repartidos en distintos sistemas, formatos inconsistentes y flujos de trabajo desconectados. Aunque los humanos a menudo pueden sortear esas brechas, los agentes de IA tienen dificultades cuando la información está incompleta, es contradictoria o es difícil de acceder. Esto puede significar reducir los silos, depurar datos inconsistentes y corregir procesos improvisados que pueden limitar la capacidad de la IA para funcionar según lo previsto.

 

La acción de IA confiable puede Become uno de los diferenciadores competitivos más importantes en los negocios. No porque las organizaciones puedan construir IA, sino porque pueden confiar en ella.

Kaushik Gopal
Kaushik Gopal

 

En un entorno de agentes, la calidad de los datos determina directamente la calidad de las decisiones. Si los agentes no pueden entender de manera confiable la información que tienen delante, tampoco pueden actuar sobre ella de manera confiable. Para acelerar esa transición, Mastercard intensificó su enfoque dentro de Start Path, su galardonado programa de participación de startups, al involucrar a empresas enfocadas en inteligencia de negocios y capacidades basadas en datos.

Durante la última década, Start Path ha dado la bienvenida a más de 500 compañías en más de 60 países, ayudándolas a escalar mediante la combinación de apoyo práctico con acceso a la red global y a los clientes de Mastercard. Este mayor enfoque en las startups que pueden ayudar a los clientes a traducir datos en inteligencia procesable puede informar una mejor toma de decisiones, impulsar el rendimiento y apoyar la acción en tiempo real —a su vez, construyendo la confianza necesaria para mover la IA del aislamiento a lo cotidiano.

En los próximos años, la acción de IA confiable puede Become uno de los diferenciadores competitivos más importantes en los negocios. No porque las organizaciones puedan construir IA, sino porque pueden confiar en ella.

Conoce a las startups de Perspectivas de Negocios y Mercado de Start Path

   

Luca IA

Luca AI es un miembro del equipo digital impulsado por IA que reúne ventas, marketing, finanzas y operaciones en una única interfaz de análisis conversacional. A través de esta vista unificada, las pymes pueden acceder a información en tiempo real sobre todo su negocio, lo que les ayuda a identificar oportunidades, mejorar la eficiencia y tomar decisiones comerciales cotidianas con mayor confianza. Mastercard ha colaborado con Luca AI para poner estas capacidades a disposición de los titulares de tarjetas comerciales europeas a través de Mastercard Business Bonus y está explorando cómo su tecnología puede seguir apoyando las actividades impulsadas por agentes para los emisores de pymes.

Logotipo de Luca AI

    

Yabx

Yabx utiliza inteligencia impulsada por IA con infraestructura de préstamos low-code y no-code que aprovecha datos alternativos para ofrecer préstamos digitales escalables y con gestión de riesgos en mercados emergentes, en asociación con bancos, fintechs, empresas de pago, agregadores de comercios y otros actores del ecosistema. Mastercard está trabajando con emisores en Oriente Medio y África para incorporar datos crediticios alternativos, como información de billeteras móviles y telecomunicaciones, en las evaluaciones de riesgo crediticio, lo que permite una emisión de tarjetas más inclusiva y un mejor acceso a los servicios financieros.

Logotipo de yabx

   

BizMachine

BizMachine proporciona una plataforma de inteligencia de ventas B2B que ayuda a las empresas a identificar y adquirir nuevos clientes comerciales. Al combinar los conocimientos exclusivos de BizMachine y Mastercard, la asociación permite a los adquirentes con sede en Europa y a otros actores del ecosistema de pagos identificar comercios de alto potencial.

Logotipo de BizMachine

Guestologie

Guestologie brinda a los restaurantes la inteligencia para ofrecer una hospitalidad de precisión en tiempo real, porque la lealtad duradera se crea en el comedor, una experiencia personalizada a la vez. 

Logotipo de Guestologie