La oportunidad de océano azul en la economía de los agentes

• A partir del primer trimestre de 2026, la IA está pasando de interfaces basadas en chat a agentes autónomos de ejecución, y esta discontinuidad estructural está reconfigurando de forma fundamental el software empresarial y el panorama de inversión
• Los protocolos MCP y A2A anulan la ventaja competitiva de la UI del SaaS tradicional, cambiando hacia una estructura en la que los agentes acceden directamente a la capa de datos y completan los flujos de trabajo
• Gobernanza de agentes, plataformas verticales por industria y orquestadores basados en resultados emergen como tres áreas de inversión de alto crecimiento
• En un entorno donde miles de agentes toman decisiones al mismo tiempo, la arquitectura de supervisión Human-on-the-loop y la codificación de políticas junto con trazas de auditoría deben consolidarse como infraestructura esencial
• El factor clave que decidirá ganadores y perdedores en esta transición no es la tecnología, sino si se construyen o no el diseño organizacional y la infraestructura de gobernanza

---

La transición estructural hacia la IA de agentes

• La primera ola de IA comercial entre 2022 y 2025 estuvo centrada en la interfaz: era un modelo que devolvía texto dentro de una ventana de chat y requería que los humanos interpretaran y ejecutaran manualmente; mejoró la productividad, pero no resolvió la fricción entre “saber” y “ejecutar”
• La segunda ola, iniciada en el primer trimestre de 2026, está centrada en la ejecución: los agentes mantienen estado entre sesiones, llaman herramientas mediante MCP (Model Context Protocol), delegan subtareas a agentes especializados mediante el protocolo A2A (Agent-to-Agent) y completan objetivos sin aprobación humana en cada paso
• La implicación organizacional de esta transición es comparable al cambio de mainframe a cliente-servidor o de on-premise a SaaS; las empresas y VC que lo malinterpreten como simplemente “IA más rápida” quedarán en una posición similar a la de quienes describieron internet como un “fax rápido”

Parte I: la desaparición del middleware y la capa de abstracción de UI

• Mecanismo central de disrupción

  • El foso competitivo del SaaS tradicional se extendía por tres capas: datos (esquemas propietarios), lógica (reglas de workflow) e interfaz (UI), y durante 20 años la diferenciación competitiva ocurrió en la Capa 3 (UI)
    • Salesforce ganó no por su arquitectura de base de datos, sino porque los vendedores realmente podían usarlo
  • MCP derrumba el foso competitivo de la Capa 3: si un agente de IA puede conectarse directamente a la capa de datos del CRM para leer el estado del pipeline, actualizar registros, activar workflows y generar reportes sin renderizar una UI, la interfaz se vuelve decorativa
  • A2A elimina la coordinación mediada por humanos: antes, un gerente de operaciones comerciales movía manualmente datos y decisiones entre CRM, billing, ERP y automatización de marketing; en un entorno A2A, un agente orquestador crea agentes de billing, CRM y contratos, y resuelve el trabajo transfiriendo contexto estructurado

• Modelos de negocio en riesgo

  • SaaS “UI-for-a-Database”: empresas cuyo valor central es una interfaz bien diseñada sobre los datos, como herramientas de gestión de proyectos sin efectos de red de datos propietarios, CRM básicos con fosos de integración superficiales y plataformas legacy de ITSM
  • Señal a observar: el momento en que los compradores empresariales empiezan a preguntar “¿tienen un servidor MCP?” en lugar de “¿tienen app móvil?”; para los compradores técnicos esto ya ocurrió en 2025, y llegará a los comités de compras en 2026~2027
  • Excepción: el SaaS con verdaderos efectos de red de datos, como LinkedIn, Veeva y Toast, mantiene un foso estructural; los agentes seguirán necesitando los datos, aunque cambie la forma de acceso. El amenazado no es el dueño del activo de datos, sino quien cobra renta por la interfaz

Parte II: lista de ocaso — 5 tipos de negocios que enfrentarán declive estructural hacia 2027

• 1. Plataformas Tier 1 de soporte al cliente (SaaS puro de enrutamiento de tickets)

  • Valor central antes de 2026: organizar y enrutar tickets de soporte respondidos por humanos
  • La IA de agentes no enruta tickets, sino que los resuelve directamente. Consultas, reembolsos, escalaciones y seguimientos pueden resolverse de punta a punta con 70~80% de los casos sin necesidad de loop humano
  • Las plataformas que no posean la capa de resolución se convierten en tuberías vacías
  • Cronograma estimado: 2025~2026

• 2. Proveedores legacy de RPA (automatización basada en scripts)

  • Valor central antes de 2026: automatizar trabajo humano repetitivo mediante bots con scripts
  • RPA fue diseñado para seguir reglas en entornos estables, pero la IA de agentes maneja situaciones excepcionales con razonamiento, justo el tipo de escenario donde RPA falla y requiere costosa intervención humana o reescritura de scripts
  • El reto para UiPath: su producto es una solución sofisticada para rodear la ausencia de razonamiento, y esa ausencia está desapareciendo
  • Cronograma estimado: 2025~2027

• 3. Agencias SDR-as-a-Service (generación y calificación de leads tercerizada)

  • Valor central antes de 2026: prospección outbound y calificación BANT realizadas por humanos
  • Los agentes pueden hacer investigación de prospectos, outreach personalizado, ejecución de secuencias multitoque, manejo de FAQs ante objeciones y agendamiento de reuniones con costo marginal casi cero
  • El valor humano que queda —matiz relacional y lectura compleja de múltiples stakeholders— corresponde no al SDR, sino al AE (Account Executive)
  • No se trata de que “la IA asista al SDR”, sino de que “el propio rol de SDR se convierte en configuración de agentes”
  • Cronograma estimado: 2025~2026

• 4. Consultoría manual de ETL e integración de datos (no propietaria)

  • Valor central antes de 2026: conectar sistemas y mover datos entre aplicaciones empresariales
  • Cuando MCP ofrezca una interfaz estandarizada legible por agentes para las fuentes de datos, el trabajo de integración a medida se comoditizará rápidamente
  • El mercado restante será solo para casos límite con sistemas legacy, un segmento en contracción, no en crecimiento
  • Cronograma estimado: 2026~2027

• 5. Constructores de dashboards de BI (sin capa conversacional/de agentes)

  • Valor central antes de 2026: visualizar datos para que analistas humanos los interpreten
  • Cuando los analistas puedan hacer preguntas en lenguaje natural y obtener respuestas sintetizadas con fuentes on-demand, sin ciclos de actualización, el dashboard como producto perderá su ventaja
  • El foso se desplaza por completo de la visualización hacia la canalización de datos y la capa de consultas; las empresas que no posean la infraestructura de datos subyacente estarán vendiendo “papel tapiz caro”
  • Cronograma estimado: 2026~2028

Parte III: Alfa de agentes — 3 sectores de alto crecimiento

• 1. Infraestructura de gobernanza y cumplimiento para agentes

  • En un mundo donde los agentes de IA cierran contratos con proveedores por 500 mil dólares, aprovisionan infraestructura en la nube y ejecutan transferencias bancarias sin intervención humana, la asignación de responsabilidad se eleva a infraestructura crítica
  • La arquitectura legal y técnica actual está diseñada sobre la premisa de que los humanos actúan y dejan registros, y en un entorno totalmente agentivo esa premisa se derrumba por completo
  • Mercados que se crean:
    • Protocolos de identidad y permisos para agentes: codificar en credenciales firmadas criptográficamente los sistemas a los que un agente puede acceder, los límites de transacción y la clasificación de datos; equivalen a certificados PKI para autoridad de toma de decisiones autónoma
    • Trazas de auditoría inmutables para agentes: registro en tiempo real y a prueba de manipulación de las cadenas de razonamiento del agente, llamadas a herramientas y puntos de decisión. Cuando un agente toma una mala decisión de compras, el equipo legal del CFO debe poder reconstruir la cadena de continuidad de gestión. Cumple el mismo rol que los proveedores de SIEM ocuparon en el mercado de ciberseguridad
    • Agentes autónomos de cumplimiento: una metacapa que monitorea a otros agentes en tiempo real para vigilar infracciones regulatorias como el tratamiento de datos bajo GDPR, los límites de información material de la SEC o los controles de acceso de HIPAA. Es la paradoja y la oportunidad de que se necesitan agentes para gobernar agentes
    • Suscripción de seguros para agentes: un mercado en etapa inicial que asume el riesgo financiero de errores de agentes autónomos, algo que el seguro tradicional de E&O no cubre limpiamente
  • Condiciones para ganar: startups cuya base esté en infraestructura de identidad, no empresas de IA que simplemente añadieron gobernanza como una función; compañías nativas de regulación con relaciones previas en cumplimiento para servicios financieros
  • Señal para VC: cualquier empresa que pueda decir de forma creíble “nuestro producto es indispensable para que una Fortune 500 despliegue agentes en producción” pertenece a la categoría de gasto obligatorio

• 2. Plataformas verticales de habilitación de agentes

  • El desempeño de los modelos fundacionales de propósito general (GPT-5, Claude, Gemini) seguirá mejorando, pero solo poseen contexto general; durante los próximos cinco años, el foso competitivo no estará en qué modelo se usa, sino en la infraestructura de contexto, herramientas y cumplimiento específica del dominio que se monta sobre el modelo
  • Como la comoditización del desempeño de los modelos avanza más rápido de lo esperado, esta estrategia de “picos y palas” tiene capacidad defensiva
  • Tres ejemplos verticales:
    • Habilitación de agentes para salud: se requiere tratamiento de datos conforme a HIPAA, integración con estándares HL7/FHIR, guardrails de apoyo a decisiones clínicas que cumplan marcos de supervisión de la FDA y estructuras de responsabilidad adecuadas al contexto médico. Que una empresa de IA general meta una API key de Claude en un hospital no es un producto; el producto es la empresa que construye el wrapper de cumplimiento, la capa de integración con EHR y los guardrails conscientes de responsabilidad
    • Habilitación de agentes para el sector legal: el conocimiento procesal por jurisdicción, la integración con sistemas de presentación judicial, los protocolos de protección de privilegio y los requisitos de cumplimiento de los colegios de abogados crean barreras estructurales de entrada. Los agentes capaces de redactar, revisar y presentar documentos legales dentro de un marco de gobernanza que cumpla el estándar de mala praxis constituyen una plataforma vertical defendible
    • Habilitación de agentes para servicios financieros: guardrails de razonamiento de grado fiduciario, verificaciones en tiempo real de restricciones regulatorias (Reg NMS, Basel III, FINRA) y trazas inmutables de auditoría de transacciones convierten el despliegue de agentes, de un pasivo, en un workflow compliant. Si se apunta a instituciones financieras medianas que no pueden construir soluciones custom, se puede capturar un valor de reemplazo SaaS considerable
  • El modelo de negocio no es consultoría sino plataforma: conectores de datos compatibles con agentes, middleware de enforcement de cumplimiento, plantillas de agentes con expertise de dominio incorporada y mantenimiento continuo ante cambios regulatorios. Ingresos recurrentes, altos costos de cambio y un verdadero foso de especialización

• 3. Modelo orquestador: Outcome-as-a-Service

  • Es el modelo de negocio más radical estructuralmente que surge de la transición a agentes, y aunque se parece superficialmente al outsourcing, es categóricamente distinto
  • Modelo tradicional: licencia de software → asignación de personal → retención interna del riesgo de ejecución
  • Modelo orquestador: comprar resultados garantizados. El orquestador posee una flota de agentes especializados y realiza coordinación, monitoreo y manejo de excepciones, cobrando por resultados entregados con éxito en lugar de licencias por asiento o uso
  • Casos concretos:
    • Orquestación de contratación: en vez de pagar a un reclutador 20% del salario anual, se paga una comisión basada en desempeño por una contratación calificada, con SLA de tiempo de contratación y garantía de reemplazo. El orquestador opera agentes de sourcing, screening, coordinación y evaluación
    • Orquestación de RevOps: en lugar de licencia de CRM + equipo SDR + automatización de marketing + personal de RevOps, se paga una tarifa mensual por un SLA de reuniones calificadas
    • Orquestación de monitoreo de cumplimiento: en vez de equipo de cumplimiento + software de monitoreo + contrato de auditoría, se garantiza un SLA de “cero infracciones regulatorias graves” mediante infraestructura agentiva operando de forma continua
  • La diferencia estructural es la transferencia de riesgo: en el modelo SaaS, si el software funciona, el riesgo del proveedor termina ahí; en el modelo orquestador, el riesgo se extiende hasta el resultado. Se requiere no solo capacidad técnica, sino también capacidad operativa, lo que favorece la selección de operadores y no de simples builders
  • Amenaza de incumbentes: Accenture, McKinsey y grandes SI ya se están moviendo en esta dirección, y la ventana para que los orquestadores nativos de IA tomen ventaja antes de que la ventaja de escala se acumule en las empresas existentes es de 18 a 36 meses

Parte IV: Brecha de confianza y gobernanza — resolver a gran escala el problema principal-agente

• Problema estructural

  • En la clásica teoría principal-agente (la tensión entre el principal que delega y el agente que actúa), las organizaciones humanas invierten enormes recursos en contratos laborales, gestión de desempeño, capas de supervisión y departamentos de cumplimiento
  • La economía de agentes crea un problema principal-agente a velocidad y escala de máquina: una sola empresa puede operar miles de agentes de IA simultáneamente, cada uno tomando microdecisiones, generando exposición legal y representando a la empresa ante terceros, pero no existe la infraestructura de supervisión para ello

• Transición de Human-in-the-Loop a Human-on-the-Loop

  • Human-in-the-loop fue la arquitectura de seguridad de la primera ola, donde un humano aprobaba toda acción importante de la IA, pero esto no escala operativamente en motores de ejecución donde un solo workflow de agentes toma 50 decisiones en 30 segundos
  • Human-on-the-loop es una arquitectura en la que los humanos definen políticas, establecen límites de autoridad, revisan colas de excepciones y auditan resultados, pero no son cosignatarios de cada acción; esto requiere:
    • Policy-as-code: codificar límites de autoridad en forma legible por máquina y hacerlos cumplir a nivel de agente
    • Enrutamiento de excepciones: agentes que reconocen cuándo se sale del rango autorizado y se detienen para revisión humana
    • Monitoreo de resultados: muestreo estadístico y detección de anomalías sobre flujos de acciones de agentes
    • Rastreo de responsabilidad: registros reconstruibles de por qué un agente tomó una acción específica, qué contexto tenía y qué políticas aplicó

• Nuevas categorías de mercado

  • Firmas de auditoría de agentes: a medida que maduren marcos regulatorios como los requisitos del EU AI Act para sistemas de IA de alto riesgo, se necesitará certificación de terceros sobre las prácticas de gobernanza de agentes; este es el mercado SOC 2 para la IA agentiva, y se perfila como obligatorio en industrias reguladas dentro de 24 meses
  • Plataformas de políticas para agentes: tooling de gobernanza para definir, versionar, aplicar y auditar políticas de autoridad de agentes, equivalente al IAM en seguridad en la nube. Las empresas que construyan “el Okta de los permisos de agentes” ocuparán una posición de infraestructura indispensable
  • Redes de confianza interorganizacionales para agentes: cuando el agente de la empresa A interactúa con el de la empresa B para completar una transacción (por ejemplo, una negociación entre un agente de compras con IA y un agente de ventas con IA), no existe una infraestructura de confianza establecida. Se necesitan protocolos, una extensión temprana de A2A, sobre qué credenciales posee cada agente y cómo verificar la autoridad del agente contraparte, formando el rol de intermediarios de confianza equivalente a las autoridades certificadoras del ecosistema SSL

Parte V: Buy / Hold / Sell — guía VC del panorama de agentes 2026

• BUY — alta convicción

  • Infraestructura de gobernanza e identidad de agentes: gasto imprescindible para toda empresa que despliegue agentes en producción, y la presión regulatoria es real y se está acelerando. Las empresas que resuelvan identidad de agentes criptográfica, delimitación de permisos y trazas de auditoría inmutables caen en la categoría de "no se puede lanzar sin esto". Poner atención a equipos con experiencia en PKI·IAM·tecnología de compliance financiero
  • Plataformas verticales de habilitación de agentes para industrias reguladas: salud, legal y servicios financieros tienen el mayor TAM y fosos de compliance profundos. Las empresas que construyan infraestructura de agentes especializada por dominio terminarán teniendo costos de cambio comparables a los de sistemas EHR heredados o core banking. Pregunta clave de due diligence: si el equipo fundador tiene credibilidad de dominio, o si solo son ingenieros de AI con pestañas de investigación abiertas
  • Orquestadores Outcome-as-a-Service con unit economics validados: la categoría es correcta, pero la dispersión es alta. El foco del due diligence debe estar en la capacidad operativa: qué pasa cuando el agente falla, cómo manejan las excepciones y si las promesas de SLA tienen economics defendibles. Las empresas que resuelvan la disciplina operativa de entregar resultados crecerán hasta convertirse en la próxima generación de gigantes de servicios profesionales
  • Tooling MCP/A2A e infraestructura para desarrolladores: la adopción de protocolos genera demanda de tooling, y las empresas que construyan capas de experiencia de desarrollador, observabilidad y optimización para flujos MCP·A2A ocupan una posición de picos y palas en la carrera por capturar protocolos. Habrá consolidación de protocolos, pero los ganadores se convertirán en piedra angular de la infraestructura

• HOLD — observar

  • Principales plataformas cloud (AWS, Azure, GCP): capturarán gasto de infraestructura de agentes en la capa comoditizada de cómputo, hosting de modelos y almacenamiento, pero la capa de valor agregado se les escapará hacia competidores especializados. Mantener posiciones existentes, pero observar si los servicios agent-native (Amazon Bedrock Agents, Azure AI Studio) ganan tracción en empresas o son desplazados desde abajo
  • Software empresarial incumbente con narrativa de pivot hacia agentes (Salesforce, ServiceNow, Workday): tienen distribución, relaciones de datos y confianza enterprise, pero el riesgo es el conservadurismo arquitectónico y la deuda de integración. Hasta el 3T de 2026, observar señales de capacidades de agentes reales (no funciones wrapper de AI); si se confirman, subir de hold a buy, y si todavía siguen vendiendo "AI copilot", entonces sell
  • Proveedores de foundation models (excepto líderes de investigación frontier): la comoditización del rendimiento de modelos avanza más rápido que los ajustes al modelo de precios, y el segmento medio — modelos buenos pero no los mejores — enfrenta compresión. Mantener la posición en líderes frontier, pero los de segunda línea están en una situación donde es difícil explicar su propuesta de valor

• SELL — salir o evitar

  • Empresas de UI SaaS pura sin foso de datos propietario: si el producto principal es "una interfaz bien diseñada sobre datos que existen en otro lugar", la amenaza de bypass vía MCP es existencial y el horizonte es corto. La pregunta para cada empresa: ¿qué pierde el cliente si se reemplaza la UI por un agente que hable directamente con la base de datos? Si la respuesta es "principalmente costumbre", entonces sell
  • Vendedores de plataformas RPA heredadas: la tecnología subyacente está siendo destruida por algo arquitectónicamente superior. Las relaciones con clientes y la distribución pueden seguir teniendo valor, pero las fusiones y adquisiciones por parte de empresas de AI agente deben ocurrir rápido. La tesis de inversión en RPA heredada independiente tiene una pista de despegue en deterioro
  • Empresas de productos de AI "solo de respuesta": las empresas cuya propuesta de valor completa es generar respuestas de texto, sin capacidad de acción, integración de herramientas ni cierre de workflows, están vendiendo AI de la primera ola en la segunda ola. La categoría de producto tiene valor, pero no como empresa independiente. No es inversión de crecimiento, sino objetivo de acqui-hire
  • Consultoras de chatbots de AI generalistas: las empresas cuyo modelo de negocio es "te construimos un wrapper de ChatGPT" tienen una ventana de como máximo 12 meses. La capacidad de desplegar AI conversacional se está comoditizando a una velocidad que ningún margen de consultoría puede resistir

Tesis de cierre

• La visión estratégica que define ganadores y perdedores en esta transición no es técnica, sino arquitectónica, y las organizaciones e inversionistas que entiendan que la AI agente es tanto un problema de diseño organizacional como un problema tecnológico ocuparán la posición correcta
• La transición de Human-in-the-loop a Human-on-the-loop no elimina a los humanos de la toma de decisiones; más bien los mueve hacia arriba en el stack de abstracción, desde aprobar acciones individuales hacia diseñar políticas, estructuras de permisos y marcos de excepción que gobiernen miles de acciones autónomas
• Las empresas que están construyendo estos cimientos — tooling de gobernanza, infraestructura vertical de compliance y operaciones de entrega de resultados — están levantando los muros de carga de la próxima era de tecnología enterprise; todo lo demás es decoración interior