El modelo de madurez de los AI agents: las etapas de adopción gatear, caminar y correr

Q: ¿Cuáles son las tres etapas de madurez de los AI agents?

Gatear (un agent supervisado que prueba el concepto en un solo equipo), caminar (varios agents gobernados que funcionan en más de un departamento, con un responsable designado y barreras de protección reutilizadas) y correr (una flota coordinada de agents, que a menudo incluye orquestación multi-agent, integrada en los workflows centrales con seguimiento del ROI a nivel de portafolio). Hoy la mayoría de las organizaciones está en gatear o al inicio de caminar, sin importar lo que sugieran sus cifras de adopción.

Q: ¿En qué se diferencia el modelo de madurez de las etapas de despliegue de un solo agent?

Desplegar un agent a producción, pasando por modo sombra, tráfico limitado y despliegue completo, es un proceso que ocurre dentro de la etapa de gatear cada vez que usted construye un nuevo agent. El modelo de madurez es el reloj más lento, a nivel de organización: cuántas veces ha ejecutado ese proceso, qué disciplina de gobernanza y medición conservó de cada pasada y a cuántos equipos y agents cubre ahora esa disciplina.

Q: ¿Cómo sé si realmente estamos en caminar y no solo en gatear con más agents?

Cuente responsables, no agents. Si tiene cinco agents pero ningún patrón compartido de barreras de protección, ningún responsable de gobernanza designado ni una forma consistente de medir el ROI entre ellos, tiene cinco pilotos de la etapa de gatear funcionando en paralelo, no un programa de la etapa de caminar. Caminar significa que el segundo, el tercero y el cuarto agent fueron claramente más rápidos y seguros de construir gracias a lo que le enseñó el primero.

Q: ¿Cuál es el mayor riesgo de avanzar demasiado rápido entre etapas?

Saltarse por completo la etapa de caminar y pasar de un único piloto a la orquestación multi-agent o a una autonomía amplia. Eso añade superficie de coordinación sobre el riesgo que ya conlleva un solo agent, y sin el responsable de gobernanza, los patrones de barreras de protección y la disciplina de medición que la etapa de caminar debe establecer, esa superficie añadida es exactamente donde se concentra la tasa de cancelación de proyectos superior al 40% que proyecta Gartner.

Q: ¿Qué exige realmente la etapa de "correr" que no exija la de "caminar"?

Un cambio estructural, no solo más agents. Correr suele significar una estructura de responsabilidad dedicada, como un AI Center of Excellence, orquestación multi-agent donde el trabajo realmente la necesita y tratar a los agents como una capa de fuerza laboral en torno a la cual se planifica la capacidad, en lugar de un conjunto de proyectos individuales. La investigación de Deloitte sugiere que menos de 1 de cada 10 organizaciones está ahí hoy, aunque la mayoría espera estar al menos moderadamente allí en un par de años.

Modelo de madurez de los AI agents con un agent supervisado, agents gobernados y una flota orquestada

El modelo de madurez de los AI agents clasifica la adopción de agents de una organización en tres etapas: gatear, un único agent supervisado que prueba el concepto; caminar, varios agents gobernados que funcionan en más de un equipo; y correr, agents que operan como una flota coordinada, integrada en la forma en que el negocio realmente trabaja. La mayoría de las empresas dice que "usa AI agents" sin precisar a cuál de las tres se refiere, y esa vaguedad es justamente lo que permite que los proyectos de agents reciban financiamiento y luego se estanquen sin hacer ruido. Este modelo le da las señales reales de cada etapa, para que pueda nombrar dónde está de verdad y no donde dice la presentación que está.

Por qué la madurez es mejor pregunta que la adopción

La adopción pregunta si usted usa agents o no. La madurez pregunta hasta dónde llega realmente ese uso, y la brecha entre ambas preguntas es enorme. La encuesta State of AI 2025 de McKinsey encontró que el 88% de las organizaciones despliega AI en al menos una función de negocio, y que el 62% se ubica en algún punto del camino de la agentic AI específicamente: el 23% escalando un agent en alguna parte del negocio y el 39% experimentando. Pero dentro de cualquier función de negocio, McKinsey encontró que no más de aproximadamente el 10% de las organizaciones tiene agents funcionando a escala real. Gran parte de esa cifra de adopción es todavía gatear o caminar en etapa temprana, no correr, sin importar lo que sugiera la diapositiva de AI del organigrama. Agentic AI en 2026 cubre ese panorama completo de adopción en el mercado. Esta página trata de lo que realmente separa las etapas una vez que usted ya pasó el "usamos un agent en alguna parte".

Gatear, etapa 1: un agent, con supervisión intensa

Gatear se ve como un único agent acotado, a cargo de un equipo, generalmente construido sobre una plataforma no-code porque el trabajo es de plantilla y no algo novedoso. Algo parecido al AI Reply Agent o al AI Meeting Scheduler Agent es una primera construcción típica: alcance acotado, reglas claras y bajo riesgo si se equivoca. La revisión humana está cerca de cada acción, y el éxito en esta etapa no es "¿ahorró dinero?", sino "¿funcionó, y generamos suficiente confianza y registro de auditoría como para ampliar su alcance más adelante?". La lista de verificación de preparación de cuándo usar un AI agent y la rampa en modo sombra de desplegar AI agents a producción viven ambas dentro de gatear, aplicadas a exactamente un agent. La madurez es el reloj más lento que corre por debajo: cuántas veces ha pasado por esa rampa y qué conservó de cada pasada.

Etapa de gatear de la madurez de AI agents con un agent supervisado en una cuna de entrenamiento acotada

La encuesta State of AI in the Enterprise 2026 de Deloitte muestra que la mayor parte del mercado está justo aquí. El 30% de las organizaciones sigue explorando la agentic AI y el 38% la está pilotando, mientras que el 35% afirma no tener ninguna estrategia formal de agentic AI. Si ese es su caso, no está atrasado. Está donde realmente está la mayoría del mercado, sin importar lo que sugiera el discurso de los proveedores.

Caminar, etapa 2: gobernado, repetible y multifuncional

Caminar es distinto en naturaleza, no solo en cantidad. No son "cinco pilotos de la etapa de gatear funcionando a la vez". Es un puñado de agents, generalmente entre tres y ocho, que funcionan en dos o más departamentos, con un responsable de gobernanza designado y patrones de barreras de protección que se reutilizan en lugar de reinventarse en cada nueva construcción. Los tipos de AI agents empiezan a importar aquí en la práctica, no solo en la teoría, porque un equipo en etapa de caminar elige deliberadamente el nivel de autonomía y la arquitectura para cada trabajo, en lugar de adoptar por defecto lo que haya usado el primer agent. También aparece la disciplina de costos: las palancas de caché, enrutamiento y presupuesto de optimización de costos de los AI agents dejan de ser opcionales cuando se ejecutan suficientes agents como para que uno sin optimizar se note en la factura.

Etapa de caminar de la madurez de AI agents con agents gobernados cruzando un puente compartido entre equipos

Con todo, la señal más clara de caminar es la medición. Un equipo en etapa de gatear puede salir del paso con "parece que está ayudando". Un equipo en etapa de caminar tiene líneas base, rastrea métricas primarias desde la semana 4 en adelante y puede mostrar cifras reales, la disciplina que cubre el ROI de los AI agents. Los datos de Deloitte ubican a cerca del 14% de las organizaciones en el punto de "solución lista para desplegar" que más se acerca al inicio de caminar, significativamente menos que el 68% que sigue explorando o pilotando en la etapa de gatear.

Correr, etapa 3: flota, orquestada e integrada

Correr es el momento en que los agents dejan de ser una colección de proyectos individuales y pasan a ser una capa de capacidad en torno a la cual planifica la organización. Los sistemas multi-agent se vuelven comunes aquí, no porque la orquestación suene avanzada, sino porque ya existen suficientes agents distintos y bien gobernados como para que encadenarlos, como cuando un agent de lead scoring transfiere a un agent de lead routing, que transfiere a un agent de seguimiento, supere de verdad a construir desde cero un agent más amplio. La responsabilidad suele formalizarse en una estructura como un AI Center of Excellence, y la gobernanza deja de ser una lista de verificación añadida a cada nuevo agent y pasa a ser arquitectónica: integrada en la forma en que se especifica cualquier nuevo agent desde el primer día. Correr es también donde la fuerza laboral agentic se convierte en una descripción real de cómo trabaja la organización, y no en una frase aspiracional de un memorando de estrategia.

Etapa de correr de la madurez de AI agents con una flota orquestada integrada en una columna vertebral operativa

El pronóstico de Gartner de junio de 2025 da una idea de dónde está el techo: el 15% de las decisiones de trabajo del día a día se tomará de forma autónoma mediante agentic AI para 2028, frente al 0% en 2024, y el 33% de las aplicaciones de software empresarial incluirá agentic AI para 2028, frente a menos del 1% en 2024. Las organizaciones en etapa de correr son las que hoy realmente empujan hacia ese techo. Todavía son pocas. Deloitte encontró que solo el 11% de las organizaciones opera agentic AI en producción ahora mismo, aunque el 74% espera usar agents al menos de forma moderada para 2027, el 23% de forma extensiva y el 5% espera que los agents sean una parte totalmente integrada y central de las operaciones. La trayectoria es rápida. La población actual en la etapa de correr es pequeña.

Autoevaluación: en qué etapa está realmente

Use las cinco dimensiones siguientes como verificación práctica. La dimensión más débil suele fijar su etapa real de madurez, aunque otra dimensión se vea avanzada.

Autoevaluación de madurez de AI agents en propiedad, gobernanza, medición, arquitectura y alcance

Dimensión	Gatear	Caminar	Correr
Propiedad	Un equipo, a menudo informal	Un responsable designado por agent, un estándar compartido	Estructura central (un CoE o equivalente) más responsables integrados
Gobernanza	Ad hoc, una persona aprueba casi todo	Patrones de barreras de protección y de aprobación reutilizados entre agents	La gobernanza es arquitectónica, integrada en cómo se especifica cualquier nuevo agent
Medición	"¿Funcionó?" es la única pregunta que se hace	Líneas base reales, métrica primaria rastreada desde la semana 4	ROI rastreado como portafolio, no solo por agent
Arquitectura	Un solo agent, un solo conjunto de herramientas	Varios agents individuales, algo de infraestructura compartida	Orquestación multi-agent donde el trabajo realmente lo requiere
Alcance	Una tarea acotada y repetible	Varias tareas en 2 o más departamentos	Agents integrados en los workflows centrales, no añadidos al costado

Califíquese con honestidad en las cinco, no solo en la que le favorece. Un equipo con una arquitectura de nivel correr pero una gobernanza de nivel gatear no está en correr. Está en gatear con más piezas en movimiento, y con más exposición.

El error que se salta una etapa

El fracaso más común no es quedarse demasiado tiempo en gatear, aunque eso también ocurre. Es saltar directamente de gatear a correr: montar un sistema multi-agent o darle a un agent una autonomía amplia antes de que existan en cualquier parte de la organización los fundamentos de la etapa de caminar, un responsable de gobernanza designado, barreras de protección reutilizadas y un modelo de costos real. Los sistemas multi-agent lo dicen de forma explícita: más agents añaden superficie de coordinación, y la superficie de coordinación es donde se esconden las brechas de gobernanza. La predicción de Gartner de que más del 40% de los proyectos de agentic AI será cancelado a finales de 2027 señala como causas principales los costos crecientes, el valor de negocio poco claro y los controles de riesgo inadecuados, y las tres aparecen de forma desproporcionada en los proyectos que se saltaron una etapa en lugar de ganársela.

El fracaso más silencioso va en la dirección contraria: quedarse indefinidamente en gatear. Un único piloto supervisado que nunca recibe un segundo agent, nunca recibe un responsable designado y nunca se mide más allá de "¿funcionó?" no está reduciendo ningún riesgo. Está posponiendo la decisión real. Si su agent lleva dos trimestres en piloto y nadie sabe decirle su costo por tarea completada, no ha sido cuidadoso. Se ha estancado, y el ROI de los AI agents cubre exactamente esta brecha de medición y cómo cerrarla antes de que un piloto estancado se quede sin financiamiento por falta de un caso de negocio que nadie construyó.

Datos clave

La encuesta State of AI 2025 de McKinsey encontró que el 88% de las organizaciones despliega AI en alguna parte y que el 62% está en el camino de la agentic AI (23% escalando, 39% experimentando), pero ninguna función de negocio muestra a más de aproximadamente el 10% de las organizaciones en un estado de escala real.
La encuesta State of AI in the Enterprise 2026 de Deloitte encontró que el 30% de las organizaciones explora la agentic AI, el 38% la pilota, el 14% tiene una solución desplegable y solo el 11% la tiene realmente en producción, y que el 35% afirma no tener ninguna estrategia agentic formal.
Para 2027, Deloitte encontró que el 74% de las organizaciones espera usar agents al menos de forma moderada, el 23% de forma extensiva y el 5% espera agents totalmente integrados como parte central de las operaciones.
Gartner proyecta que el 15% de las decisiones de trabajo del día a día se tomará de forma autónoma mediante agentic AI para 2028 (frente al 0% en 2024) y que el 33% de las aplicaciones de software empresarial incluirá agentic AI para 2028 (frente a menos del 1% en 2024).
Gartner proyecta por separado que más del 40% de los proyectos de agentic AI será cancelado para 2027 por costos, valor poco claro y controles de riesgo débiles, riesgos concentrados en los proyectos que se saltan por completo la etapa de caminar.

A dónde ir a continuación

Gatear, caminar y correr son etiquetas útiles solo si usted actúa según la etapa en la que realmente está. Si todavía está en gatear, cuándo usar un AI agent y cómo construir un AI agent son las siguientes lecturas adecuadas. Si está avanzando hacia caminar o correr, el ROI de los AI agents cubre la disciplina de medición que esa etapa necesita, y la fuerza laboral agentic cubre cómo se ve correr cuando los agents son menos un proyecto y más una capa de fuerza laboral en torno a la cual se planifica. Para herramientas adecuadas para un primer agent en etapa de gatear, el resumen de herramientas de automatización y la guía de las mejores herramientas de automatización no-code son buenos puntos de partida.

Planos de AI Agents