¿Qué hacer si tu equipo ya usa agentes de IA propios?
- AI
- IA Agéntica
Según Work:InProgress 2026, un estudio de IDC y Provokers para Google Cloud, el 44 % de los profesionales encuestados en cinco países de América Latina usa con regularidad agentes de IA personales en su trabajo, y solo el 28 % identifica una política clara de uso. Nuestra lectura es que ese comportamiento llena un vacío que dejó la empresa, y por eso una prohibición no lo cierra. Lo cierra un camino oficial que sea más fácil de usar que el personal.
Si eres responsable de tecnología, hay un dato del estudio que conviene mirar primero. Entre los profesionales que usan un agente de IA personal para trabajar, el 36 % dice que lo hace porque siente que tiene más privacidad. La privacidad que gana la persona es visibilidad que pierde la empresa: qué datos salen, hacia qué servicio y bajo qué términos. Y en ese mismo grupo, el 54 % percibe un riesgo bajo o ninguno.
Y ese uso no es marginal: el 44 % de los encuestados usa con regularidad agentes que su empresa no les dio.
Qué dice el estudio y qué no
Work:InProgress 2026 lo hicieron IDC y Provokers con Google Cloud. Son 3,200 entrevistas online, hechas entre julio y agosto de 2026 en Argentina, Brasil, Chile, Colombia y México, a profesionales de empresas con 500 empleados o más. Al leerlo, conviene tener presentes tres cosas:
Mide percepciones declaradas, no uso observado.
La muestra es de empresas medianas y grandes, con un 16 % del sector público. No describe a una startup de 30 personas.
Lo publica un proveedor que cierra el informe recomendando su propia plataforma.
Nada de eso invalida los números, pero sí cambia cómo se leen.
Hay además un detalle de redacción que importa. La pregunta habla de agentes “de uso personal, no proporcionados por la empresa”; no pregunta si están prohibidos. Algunos de esos usos pueden estar permitidos, o simplemente nadie los ha pensado. Llamar “shadow AI” a todo el 44 % funciona en un titular, pero lleva a una respuesta equivocada: tratar como infracción algo que, en muchos casos, es un hueco de la empresa.
Los datos sobre lo que ofrecen las empresas apuntan en esa dirección. Sobre los agentes de IA, el 65 % de los encuestados no reporta acceso corporativo, el 63 % no reporta capacitaciones regulares, el 69 % dice que no le presentaron casos de uso y el 72 % no identifica una política clara. Al mismo tiempo, el 85 % dice que su empresa ya muestra interés o tiene iniciativas con agentes, y solo el 12 % describe una adopción consolidada, con gobernanza e integración entre procesos.
En la mayoría de los casos hay interés, pero falta la herramienta, las reglas o la capacitación. En ese hueco, la gente resuelve con lo que tiene a mano.
Por qué la gente usa su propio agente
Cuando les preguntan por qué usan un agente personal, los motivos tienen más que ver con la comodidad y la confianza que con la rebeldía: el 38 % dice que es más accesible y fácil de usar, otro 38 % se siente más seguro usándolo y el 36 % menciona la privacidad. Entre esos motivos también aparecen huecos de la empresa: el 21 % dice que la herramienta corporativa no se integra con las demás soluciones que necesita, el 19 % que la empresa no ofrece recursos de IA y el 11 % que no recibió la capacitación adecuada para usar la herramienta corporativa.
El mecanismo es el de cualquier herramienta interna mal resuelta: si el camino oficial no existe, o existe pero obliga a copiar y pegar entre tres sistemas, la persona toma el atajo. No hace falta mala intención para eso; basta con tener una entrega el viernes.
El mismo estudio trae la otra cara: el 61 % cree que genera más valor un modelo con agentes integrados a las herramientas que ya usa a diario, solos o combinados con aplicaciones especializadas. Para la mayoría, entonces, el valor está en que la IA llegue a donde ya trabaja, más que en sumar una herramienta nueva.
Un caso nuestro con el mismo patrón
Nos pasó algo parecido en otro terreno. Un equipo de despliegue nuestro no revisó las licencias de uso de algunas librerías y fuentes tipográficas. El software salió a producción y después llegó un reclamo por las fuentes. Por suerte, no estaban en uso.
Nadie decidió usar algo que no debía. Lo que faltaba era un paso del proceso que obligara a verificar el material de terceros antes de que entrara al producto, y eso es lo que implementamos: un proceso de verificación de licencias.
Con los agentes personales pasa lo mismo, solo que más rápido y con datos en vez de fuentes. Cada vez que alguien pega un contrato, una base de clientes o un fragmento de código en una herramienta que la empresa no evaluó, entra material a un sistema de terceros sin que nadie lo haya revisado. Por eso recordarle a la gente que tenga cuidado no basta: lo que corrige el problema es poner el control en el punto donde ocurre el flujo.
Antes de ofrecer “agentes”, define qué es un agente
Cuando el estudio pidió a los profesionales describir con sus palabras qué es un agente de IA, solo el 7 % mencionó autonomía y toma de decisiones. Uno de cada cinco lo asoció con automatización y ejecución de tareas.
Eso tiene una consecuencia práctica para quien va a construir la alternativa corporativa: buena parte de lo que la gente llama “mi agente” probablemente es un asistente al que le hace preguntas, o una secuencia de pasos que se repite igual cada semana. Una secuencia fija no necesita un agente, sino un workflow, es decir, un camino definido en código donde cada paso está previsto.
En Activeone tenemos una regla al respecto: no construimos un agente si un workflow resuelve el problema. Un workflow es más predecible, se audita paso a paso y su costo por ejecución se calcula de antemano. Un agente, que decide qué pasos dar y qué herramientas usar, se justifica cuando la tarea de verdad cambia según el contexto. Y aun así, si no puedes explicar cuánto cuesta cada ejecución, todavía no está listo para producción.
Siete pasos para empezar sin comprar nada
Si tu empresa está entre el 85 % con interés y fuera del 12 % con adopción consolidada, esta secuencia te sirve para empezar con lo que ya tienes. Cada paso responde una pregunta y trae una señal de alerta que indica que conviene revisar antes de seguir:
Paso | Pregunta que responde | Señal de alerta |
|---|---|---|
1. Inventario sin sanción | ¿Qué agentes personales usa hoy cada equipo y para qué tareas? | Si nadie reporta nada, probablemente la gente no confía en que el inventario sea sin sanción. |
2. Clasificación por datos | ¿Qué información entra en cada herramienta: clientes, finanzas, código, datos personales? | Datos sensibles en herramientas que nadie evaluó. |
3. Comparación con lo oficial | ¿Existe una alternativa corporativa para esa tarea y se integra con donde ya se trabaja? | Si no existe o no se integra, es poco probable que una política cambie el comportamiento. |
4. Tipo de sistema | ¿La tarea tiene pasos fijos (workflow) o requiere decidir qué hacer según el contexto (agente)? | Pedir un agente para algo que siempre se hace igual. |
5. Política de una página | Qué se permite, con qué datos, qué no y a quién preguntar. | Una política que nadie puede resumir en una frase. |
6. Costo por ejecución | ¿Cuánto cuesta cada tarea resuelta con la alternativa oficial? | Escalar sin conocer ese número. |
7. Medición | ¿Bajó el uso de herramientas personales en tareas con datos sensibles? | Medir solo cuántas licencias se activaron. |
El orden importa: la política va en el paso 5 y no en el 1, porque escrita antes del inventario regula un uso que todavía no conoces.
Dónde no aplica esto
No todo uso personal es un riesgo. Alguien que usa su propio asistente para ordenar ideas, sin datos de la empresa, no necesita un proyecto de gobernanza, y tratar ese caso igual que el de quien sube una base de clientes desgasta la credibilidad de la política.
Ofrecer una alternativa corporativa también cuesta: licencias, integración con los sistemas que ya existen y alguien que la mantenga. En un equipo pequeño, una lista de herramientas evaluadas y una regla clara sobre qué datos no salen puede ser suficiente, y construir más sería sobreingeniería.
Y vale repetirlo: estos números vienen de empresas grandes y de lo que la gente declara. Tu organización puede estar mejor o peor, y el inventario del paso 1 te lo dirá con más precisión que cualquier encuesta regional.
Lo que sí parece difícil de discutir es que una política que exige más esfuerzo que el agente personal va a perder contra él. El 44 % ya eligió el camino más fácil; la tarea de la empresa es que ese camino sea el oficial.
Preguntas frecuentes
¿Qué porcentaje de profesionales en América Latina usa agentes de IA personales en el trabajo?
Según Work:InProgress 2026 (IDC y Provokers con Google Cloud), el 44 % de 3,200 profesionales de empresas con 500 empleados o más en cinco países los usa con regularidad. Son agentes que la empresa no proporcionó.
¿Es lo mismo un agente personal que shadow AI?
No necesariamente. El estudio pregunta por agentes no proporcionados por la empresa, no por herramientas prohibidas. Parte de ese uso puede estar permitido o no estar regulado, y conviene distinguirlo antes de sancionarlo.
¿Por qué los empleados prefieren su propio agente de IA?
Entre quienes lo usan, el 38 % dice que es más accesible y fácil, otro 38 % se siente más seguro con él y el 36 % menciona la privacidad. Además, el 21 % dice que la herramienta corporativa no se integra con lo que necesita.
¿Conviene prohibir los agentes de IA personales?
Una prohibición sin una alternativa oficial más cómoda tiende a esconder el uso, no a eliminarlo. Es más efectivo hacer primero un inventario sin sanción, clasificar los usos por los datos que manejan y ofrecer una alternativa integrada.
¿Cuándo usar un workflow en vez de un agente de IA?
Cuando la tarea sigue siempre los mismos pasos. Un workflow es más predecible, auditable y con costo conocido; un agente se justifica cuando la tarea requiere decidir qué hacer según el contexto.
Fuentes
Google Cloud, IDC y Provokers. Work:InProgress 2026: Descubrimientos sobre cómo la IA está transformando el trabajo (edición América Latina hispanohablante). Consultado el 19 de noviembre de 2026.