Por qué más del 40% de los proyectos de agentes de IA se cancelarían hasta fines de 2027
En resumen
Gartner proyecta que más del 40% de los proyectos de agentes de IA se van a cancelar hasta fines de 2027, por costos, valor poco claro y controles de riesgo débiles. La cifra es una señal y se apoya en una encuesta sobre inversión. Los proyectos que funcionan tienen el proceso documentado antes de configurar nada, arrancan con un alcance estrecho y definen la métrica de éxito antes del lanzamiento.
"Muchos de los casos de uso que hoy se presentan como agénticos no requieren una implementación agéntica." Lo dijo Anushree Verma, Senior Director Analyst de Gartner, en el mismo comunicado de junio de 2025 en el que la consultora proyectó que más del 40% de los proyectos de agentes de IA se van a cancelar hasta fines de 2027.
La cifra fue lo que más circuló, pero la frase de Verma es lo que más le sirve a una empresa que está por arrancar. Cambia la pregunta de partida: antes de elegir qué agente construir, hay que confirmar que el caso necesita un agente.
Qué dice Gartner y cuánto pesa la cifra
Gartner atribuye las cancelaciones a tres causas:
- 💸Costos crecientes a medida que el proyecto pasa de la prueba a la operación.
- ❓Valor de negocio poco claro, sin un resultado concreto que justifique la inversión.
- 🛡️Controles de riesgo insuficientes para dejar al agente actuar solo.
El comunicado también describe el agent washing: productos que ya existían, como asistentes de IA, RPA y chatbots, rebautizados como agentes sin capacidades agénticas reales. Según la estimación de Gartner, de los miles de proveedores que ofrecen agentes, unos 130 lo son de verdad.
Conviene leer el 40% con su base a la vista. El dato de campo que cita el comunicado es una encuesta de enero de 2025 a 3.412 asistentes a un webinar de Gartner: el 19% dijo que su organización había hecho inversiones significativas en IA agéntica y el 42%, inversiones conservadoras. Mide cuánto se invierte, sin seguimiento de cuántos proyectos se cancelaron después. La proyección sirve como señal de dirección y así conviene tomarla.
Qué significa que un proyecto de agentes funcione
Un agente de IA que funciona ejecuta un conjunto acotado de tareas de forma consistente, reduce el tiempo o el costo de esas tareas de forma medible y lo hace sin que el equipo tenga que supervisar cada caso.
La definición vale para cualquier tipo de agente. Los de chat, que atienden consultas de clientes, son los más visibles, pero los casos de mayor impacto suelen estar en procesos de negocio que hoy dependen de una persona leyendo, decidiendo y actuando:
- 💰Un agente de cobranzas que revisa la deuda vencida, contacta a cada cliente por WhatsApp o por mail con el tono que corresponde a su historial, registra las promesas de pago, hace el seguimiento y deriva a una persona los reclamos y las negociaciones.
- 🧮Un agente de conciliación de liquidaciones que cruza lo que liquidan las tarjetas o los marketplaces contra las ventas registradas, identifica comisiones, retenciones y diferencias y deja para revisar solo las partidas que no cierran.
- 📨Un agente de presupuestos que lee los mails en los que los clientes mandan instrucciones y adjuntos de un pedido, interpreta lo que piden, arma el presupuesto con los precios y condiciones vigentes y lo deja listo para que un vendedor lo revise y lo envíe.
- 🛒Un agente de compras que recibe las cotizaciones de varios proveedores en formatos distintos, las lleva a una misma base, arma el comparativo y señala las diferencias de plazo, precio y condiciones para que el área de compras decida.
Esa definición es más exigente de lo que parece. Que un agente funcione significa que tres meses después del lanzamiento el equipo todavía lo usa, los resultados son consistentes y hay una métrica que mejoró desde que está activo. Una buena respuesta en una demo queda lejos de eso.
La señal de agent washing del lado de quien compra
El agent washing también tiene una versión interna. Un proyecto corre ese riesgo cuando lo que se comunica como logro es la tecnología en sí.
"Implementamos un agente de IA para cobranzas" describe una herramienta. "Bajamos los días promedio de cobro de la cartera vencida" describe un resultado que se puede medir antes y después. Es la versión práctica de la segunda causa de Gartner: cuando el logro es la herramienta, el valor queda sin definir.
Dónde se traban los proyectos en la práctica
Las causas de Gartner describen lo que se ve desde afuera, cuando el proyecto ya está en problemas. En los proyectos que acompaño, lo que aparece antes de que lleguen los costos o los riesgos es más básico y toma tres formas.
Un proceso sin documentar debajo
Un agente de IA ejecuta instrucciones y, si las instrucciones son ambiguas, produce resultados ambiguos. Cuando el proceso que va a ejecutar no está documentado, alguien termina decidiendo las reglas en el momento de configurar el agente, generalmente sin el criterio del negocio para hacerlo bien.
El resultado es un agente que responde de forma inconsistente, que genera excepciones que alguien tiene que resolver a mano y que termina dando más trabajo que la tarea original.
Expectativas desproporcionadas al alcance real
"El agente va a manejar todas las consultas de los clientes" o "el agente va a cobrar toda la deuda vencida" son expectativas que casi nunca se cumplen en un primer proyecto.
Un primer agente que resuelve solo una parte de las consultas simples, o que gestiona los atrasos cortos y deriva a una persona los reclamos y los montos grandes, es un buen resultado. Pero si la expectativa era el total, ese mismo resultado se lee como fracaso. Las expectativas se forman antes del lanzamiento, durante la gestación del proyecto. Si nadie las calibra, el proyecto nace con una brecha entre lo prometido y lo posible.
Un alcance demasiado amplio para empezar
El entusiasmo inicial empuja a resolver todo de una vez. Un agente que cobra la deuda vencida, concilia las liquidaciones y además arma presupuestos tarda más en estar listo, tiene más puntos de falla y es más difícil de evaluar cuando algo sale mal.
Las tres formas terminan en el mismo lugar que la segunda causa de Gartner: un proyecto al que nadie le puede mostrar el valor.
Lo que hacen distinto los proyectos que funcionan
Los proyectos que llegan a operar de forma estable tienen tres cosas resueltas antes de configurar el agente.
El proceso existe antes de la configuración
El primer paso es documentar el proceso que el agente va a ejecutar, tal como ocurre hoy. Eso incluye:
- 📋Las consultas o tareas más frecuentes que el agente va a atender.
- ✅La respuesta correcta para cada una.
- 🧠Cuándo hace falta criterio humano y cuándo alcanza con una regla.
- 🗂️Qué información necesita el agente en cada caso y de dónde la saca.
Un criterio práctico: si ese proceso no se puede documentar en una jornada de trabajo, todavía le falta definición para que lo ejecute un agente.
El alcance inicial es estrecho y medible
Un primer agente que hace una cosa bien genera más valor que uno que hace diez de forma mediocre. Por ejemplo, un agente que responde las diez consultas más frecuentes del canal de atención y deriva todo lo demás a una persona. O uno que prepara presupuestos solo para los productos estándar y deriva a un vendedor los pedidos a medida.
Ese límite es un criterio de diseño que hace posible medir el resultado.
La métrica de éxito se define antes del lanzamiento
Los proyectos que funcionan tienen una respuesta a esta pregunta antes de configurar nada: ¿cómo se va a saber, tres meses después del lanzamiento, si funcionó?
La respuesta tiene que ser medible y depende del tipo de agente:
| Tipo de agente | Qué hace | Cómo se mide |
|---|---|---|
| Atención | Responde las consultas más frecuentes del canal y deriva el resto a una persona | Tiempo promedio de primera respuesta, o porcentaje de consultas resueltas sin intervención humana |
| Cobranzas | Contacta a los clientes con deuda vencida, registra las promesas de pago y hace el seguimiento | Días promedio de cobro |
| Conciliación | Cruza las liquidaciones de tarjetas y marketplaces contra las ventas y deja solo las partidas que no cierran | Porcentaje de liquidaciones conciliadas sin intervención |
| Presupuestos | Interpreta el pedido que llega por mail y deja el presupuesto listo para que un vendedor lo revise | Tiempo entre el mail del cliente y el presupuesto enviado |
Sin esa métrica, la evaluación del proyecto queda librada a la impresión del equipo. Un proyecto que se evalúa por impresión se cancela cuando cambia el clima interno, aunque los números estén bien.
La pregunta antes de empezar
Hay una pregunta que ayuda a saber si un proyecto de agentes llega en el momento correcto: ¿el proceso que el agente va a ejecutar funciona bien sin IA?
Que funcione bien significa que tiene criterios definidos, resultados consistentes y que se puede describir en una hoja cómo se ejecuta cada variante. Si la respuesta es sí, el proyecto tiene bases. Si es no, el primer paso es definir el proceso. Los criterios para responderla en detalle están en cómo saber si una empresa está lista para implementar un agente de IA.
Y antes de esa pregunta va la de Verma: si el caso necesita un agente o alcanza con una automatización más simple. Muchas veces alcanza con una automatización y darse cuenta a tiempo es la forma más barata de quedar afuera del 40%. Cuando el caso sí lo necesita, lo que define el resultado es diseñar el agente de IA sobre un proceso ya definido, con un alcance estrecho y una métrica acordada antes de arrancar.
Preguntas frecuentes
¿Qué proyectó Gartner sobre los proyectos de agentes de IA?
En junio de 2025 Gartner proyectó que más del 40% de los proyectos de IA agéntica se van a cancelar hasta fines de 2027. Atribuye las cancelaciones a tres causas: costos que escalan, valor de negocio poco claro y controles de riesgo insuficientes.
¿Qué es el agent washing?
Es el rebautizo de productos existentes, como asistentes de IA, RPA y chatbots, como si fueran agentes, sin que tengan capacidades agénticas reales. Gartner estima que de los miles de proveedores que ofrecen agentes, unos 130 lo son de verdad.
¿Qué tan sólido es el dato del 40%?
Es una proyección y conviene leerla como señal de dirección. El dato de campo que cita el comunicado es una encuesta de enero de 2025 a 3.412 asistentes a un webinar de Gartner sobre cuánto invierten sus organizaciones en IA agéntica, sin un seguimiento de proyectos cancelados.
¿Cómo se sabe si una empresa está lista para un proyecto de agentes?
La pregunta de control es si el proceso que el agente va a ejecutar funciona bien sin IA, con criterios definidos y resultados consistentes. Si funciona, el proyecto tiene bases. Si no, el primer paso es definir el proceso. Y antes de eso conviene preguntarse si el caso necesita un agente o alcanza con una automatización más simple.
