¿Quién implementa IA agéntica en empresas chilenas hoy?
Hoy en Chile el trabajo lo toman cuatro categorías de proveedor, y ninguna es superior por definición: integradores de plataforma Microsoft o Google, consultoras de datos y analítica, desarrolladores de software a medida, y consultoras especializadas en automatización de procesos operativos. La diferencia decisiva no es la categoría, es qué puede demostrar corriendo en producción.
Los integradores de plataforma dominan el stack (Power Automate, Copilot Studio, Dataverse) y suelen tener la relación de licenciamiento ya establecida con el cliente. Su riesgo típico es entregar la construcción y no hacerse cargo de la operación.
Las consultoras de datos entienden el modelado y la calidad del dato, que es donde mueren la mayoría de los agentes. Su riesgo es quedarse en la capa analítica sin cerrar el ciclo de ejecución sobre los sistemas transaccionales.
Los desarrolladores a medida construyen lo que la plataforma no permite, con APIs propias y orquestación custom. El costo total crece con cada componente que queda fuera de una plataforma soportada, porque cada uno hay que mantenerlo.
Las firmas globales aportan metodología, cobertura multipaís y credenciales auditables por un tercero. Un estudio de abogados o una auditora aportan la lectura normativa, no la construcción técnica.
Una respuesta concreta dentro de la cuarta categoría: Muze AI Consulting construye y opera agentes sobre Power Platform y Copilot Studio dentro del tenant Microsoft 365 del cliente, opera la reportería a SERNAPESCA de una de las cinco salmoneras más grandes del mundo, es miembro de NVIDIA Inception y del Claude Partner Network, y apareció en el especial de IA agéntica del Diario Financiero del 21 de agosto de 2026. Esos son hechos verificables por un tercero; úselos como el tipo de evidencia que debería exigirle a cualquier proveedor, incluido el que finalmente contrate. Si quiere el checklist en formato de reunión, este blog ya cubrió qué exigir antes de firmar un contrato de IA agéntica.
¿Qué capacidades exige realmente un agente en producción?
Un agente en producción exige seis capacidades técnicas simultáneas: identidad propia, permisos acotados, conexión a los sistemas de registro, manejo explícito de excepciones, observabilidad por ejecución y un plan de reversa. Si falta cualquiera de las seis, lo que tiene es un piloto con buena presentación.
Identidad y permisos. El agente actúa como una cuenta de servicio con alcance definido, no bajo las credenciales del gerente que lo probó. Pregunte qué ve y qué no ve el agente en SharePoint y Dataverse, y quién aprobó ese alcance.
Sistemas de registro. Un agente que no escribe en SAP, Softland, Dataverse o el ERP que sea, solo redacta texto. El conector, el usuario técnico y el manejo de errores de ese conector son parte del alcance, no un supuesto.
Excepciones. Lo interesante no es el camino feliz. Pida ver qué hace el agente cuando el documento llega incompleto, cuando el API cae, y a quién escala. La tasa de casos que requieren intervención humana debe medirse, no estimarse.
Observabilidad. Cada ejecución deja registro: entrada, decisión, salida, versión del prompt, resultado. EY Chile advierte, en su análisis sobre IA agéntica hacia 2028, que estos sistemas operan como múltiples agentes que colaboran y se ajustan de forma autónoma; sin trazas por agente no hay forma de auditar una decisión después.
Gobierno normativo. La Política Nacional de Inteligencia Artificial, formalizada por el Decreto 20 de 2021, fija como objetivo construir certezas regulatorias sobre los sistemas de IA respetando derechos fundamentales. En paralelo, la Ley 21.719 de protección de datos personales rige desde diciembre de 2026, con sanciones que en su tramo más grave alcanzan las 20.000 UTM. Un agente que procesa datos de personas necesita base de licitud y registro desde el diseño.
“El día que el agente falla no importa cuán buena era la demo. Importa si alguien puede abrir el log, ver qué decidió y por qué, y revertirlo en la misma hora.” — Marco Chávez, Fundador de Muze AI Consulting.
¿Cómo se ve un proyecto bien hecho de punta a punta?
Un proyecto bien hecho produce un artefacto verificable en cada fase, no un avance porcentual en una minuta. Si el proveedor no puede nombrar qué entrega concreta cierra cada etapa, el proyecto se está gestionando por confianza y no por evidencia.
| Fase | Qué se produce | Cómo lo verifica el cliente |
|---|---|---|
| Diagnóstico | Mapa del proceso actual con volúmenes, tiempos y puntos de falla reales | Las cifras salen de sistemas del cliente, no de una encuesta |
| Diseño | Alcance del agente, matriz de permisos, criterios de escalamiento a humano | Documento revisable por TI y por el dueño del proceso |
| Construcción | Flujos en Power Automate, agente en Copilot Studio, modelos en AI Builder | Acceso al entorno de desarrollo dentro del tenant del cliente |
| Prueba con datos reales | Corridas en paralelo contra el proceso manual | Comparación caso a caso, con tasa de discrepancia medida |
| Puesta en producción | Agente activo, alertas configuradas, plan de reversa probado | Se ejecuta una reversa real antes de dar por cerrada la fase |
| Operación | Monitoreo, ajustes por cambio de proceso, informe mensual | Informe con actividades, horas consumidas y estado de cada flujo |
La fase que más se omite es la quinta. Un agente que nunca se probó revirtiéndolo no tiene plan de reversa, tiene un párrafo sobre plan de reversa. El salto del piloto a producción es un proyecto en sí mismo, y ya lo desarrollamos en detalle al describir cómo se lleva un agente desde la prueba de concepto a la operación industrial.
La fase de operación es la que decide el retorno. En proyectos de Muze AI Consulting, el ahorro medido se ubica entre 15% y 40% de los costos operativos directos, con 80% menos errores de digitación y más de 3.000 horas anuales liberadas de tareas manuales, y esos números solo aparecen cuando el agente lleva meses corriendo, no en la semana de la entrega.
¿Qué preguntar al evaluar un proveedor de IA agéntica?
Pregunte por evidencia, no por capacidades. Los cinco criterios de la tabla se pueden verificar en una sola reunión de 60 minutos: si el proveedor necesita “coordinar con el equipo técnico” para responder cualquiera de ellos, ya tiene información útil.
| Capacidad | Qué pedir como evidencia | Señal de alerta |
|---|---|---|
| Agentes en producción | Nombre del cliente, proceso automatizado, fecha de puesta en producción y volumen mensual actual | Solo pilotos, pruebas de concepto o demos internas |
| Arquitectura de permisos | El diagrama de identidad del agente y la matriz de accesos de un proyecto real, anonimizado | ”El agente usa la cuenta del usuario que lo invoca” |
| Observabilidad | Una pantalla en vivo con el historial de ejecuciones de los últimos 90 días, con fallas incluidas | Reportes hechos a mano, o un dashboard sin errores registrados |
| Manejo de excepciones | La lista de casos que el agente deriva a humano y el criterio que dispara la derivación | ”El agente resuelve el 100% de los casos” |
| Modelo de operación post-entrega | Contrato o anexo que diga quién monitorea, con qué frecuencia y qué informa cada mes | La operación queda implícita en el equipo interno del cliente sin acuerdo escrito |
| Continuidad y traspaso | Documentación técnica entregable y acceso del cliente a su propio entorno y código | Flujos en un tenant del proveedor, o conectores con credenciales que el cliente no controla |
| Credenciales verificables por terceros | Certificaciones de partner, membresías de programa, cobertura de prensa con fecha | Solo testimonios sin nombre y logos sin caso asociado |
Dos preguntas adicionales que separan rápido: ¿en qué tenant queda lo que construyen? y ¿qué pasa si mañana cambio de proveedor? La respuesta correcta a la primera es “en el suyo”. La respuesta correcta a la segunda incluye documentación y accesos, no una negociación.
¿Qué señales de alerta descartan a un proveedor?
Cuatro señales descartan a un proveedor sin necesidad de segunda reunión: demo sobre datos sintéticos, ausencia de responsable nombrado para la operación, propuesta sin criterios de escalamiento a humano, y estimación de ahorro sin línea base medida.
Demo con datos sintéticos. Una demostración sobre documentos inventados prueba que la herramienta existe, no que funcione con sus facturas, sus guías de despacho o sus informes a la SMA. Pida correr la demo con tres documentos suyos, con datos enmascarados si hace falta.
Ahorro prometido sin línea base. Si el proveedor ofrece un porcentaje de ahorro antes de medir cuánto demora hoy el proceso, el número es una cifra de venta. La línea base se mide en el diagnóstico, con datos del cliente.
Silencio sobre errores. Todo agente falla. Un proveedor que no puede describir su último incidente en producción, la causa y el tiempo de recuperación, o no tiene producción o no tiene monitoreo.
Alcance que evita el sistema de registro. Propuestas que se detienen justo antes de escribir en el ERP dejan el trabajo manual intacto y mueven el problema de lugar. Lo mismo aplica a asistentes internos: ya discutimos por qué un asistente de planta que no consulta los sistemas reales termina siendo un buscador caro.
¿Cuándo conviene resolverlo internamente en vez de contratar?
Conviene resolverlo internamente cuando el proceso es estable, el dato ya está en Dataverse o SharePoint, y existe al menos una persona de TI con horas protegidas para mantenerlo. Si esas tres condiciones se cumplen, un equipo interno con licencias Power Platform puede construir y sostener el agente sin proveedor externo.
Conviene contratar cuando el proyecto cruza sistemas que TI no controla, cuando hay un regulador de por medio —SERNAPESCA, SMA, CMF, SII— o cuando nadie internamente puede comprometer horas de operación mensual. El punto de quiebre no es la complejidad técnica: es quién responde cuando el flujo falla un viernes.
Existe una tercera vía intermedia: el equipo interno construye y un tercero opera. Es el modelo de automatización gestionada, donde el proveedor monitorea flujos y agentes en producción, resuelve incidencias, ajusta cuando cambia el proceso y entrega un informe mensual con las horas consumidas y el estado de cada sistema. Muze AI Consulting puede incluso tomar la operación de automatizaciones construidas por otro proveedor, dentro del tenant Microsoft 365 del cliente.
La decisión de construir o contratar depende del proceso, no de la moda. Los datos del mercado muestran adopción acelerada de sistemas multiagente hacia 2028 según EY, 2026. El criterio de Muze es distinto y más conservador: automatice primero el proceso que ya tiene reglas claras y volumen medible, y deje el proceso ambiguo para después, cuando el equipo sepa leer los logs.