24/03/2026

Agentes de IA en la empresa, guía del reclutamiento 2026 (1/7): Por qué los agentes de IA lo cambian todo

En resumen: la IA agéntica ya está aquí (35 % de adopción, con un 44 % adicional planificando su despliegue), pero solo el 23 % de las organizaciones logra escalarla. La brecha no es tecnológica: es de liderazgo, de organización y, sobre todo, de talento. Esta serie de siete artículos explica qué cambia realmente en las organizaciones de datos e IA, qué roles vas a necesitar y en qué orden actuar.

Las preguntas llegan de todas partes. Del comité de dirección, del consejo, de las operaciones, de los propios equipos de datos:

«Me hablan de agentes IA autónomos: ¿qué es esto en la práctica, y en qué se diferencia de ChatGPT?»
«¿Mi organización de datos está preparada para incorporar agentes?»
«¿Qué roles hay que contratar? ¿Cuáles van a desaparecer?»
«¿Por dónde empezar, y en qué orden?»
«¿Cuáles son los riesgos reales: legales, humanos, organizativos?»

Estas preguntas las escucho cada semana: de CDOs de grandes grupos, de directores generales de empresas medianas, de CIOs que sienten que algo fundamental está cambiando. Y tienen razón. La IA agéntica ya alcanza el 35 % de adopción, con un 44 % adicional que prevé un despliegue inminente (MIT Sloan & BCG, 2025). Sin embargo, solo el 23 % de las organizaciones está en fase de escalado (McKinsey, 2025).

La brecha entre la ambición y la capacidad de ejecución es enorme. Y es una brecha de competencias, de liderazgo y de organización, no de tecnología.

Esta serie de siete artículos ofrece una lectura estructurada, construida desde dos miradas complementarias: trece años de reclutamiento exclusivo en Data & IA desde el lado consultora (Benoît Binachon) y diez años de práctica operativa como Head of Data & AI y manager de transición (Florent Cattaneo). Está dirigida a CEOs, CDOs, directores generales y CIOs que quieren entender qué cambia concretamente la era agéntica y cómo actuar.

Qué explora esta serie

Serie «Agentes de IA en la empresa». Artículo 1/7. Por Florent Cattaneo y Benoît Binachon, socios de Uman Partners.

1. La historia de las organizaciones de datos de 2012 a hoy (este artículo)
De dónde venimos, y qué nos enseñan trece años de evolución de las organizaciones de datos sobre lo que se avecina. Y sobre todo: qué es lo que la IA no cambia, el cuadro de mando (la medición) y la brújula (la decisión humana).

2. Lo que la IA cambia de verdad en los equipos de datos (y más allá)
El impacto concreto en el tamaño de los equipos, los nuevos modos de colaboración humano-máquina, la aparición del perfil full-stack.

3. IA generativa vs. IA agéntica: no confundas el exoesqueleto con el robot
La distinción más crítica para los decisores. El exoesqueleto (generativo) amplifica al humano. El robot (agéntico) trabaja en su lugar.

4. Las competencias de la era agéntica: qué cambia, qué emerge
Orquestación de agentes, guardrail engineering, gobernanza de las acciones autónomas, desarrollo MCP.

5. ¿Qué roles emergen, y cuáles desaparecen, con la IA agéntica?
Knowledge Engineer, Head of Agentic AI, MAS Engineer, Context Engineer: los roles nacientes. Analista junior, helpdesk N1, mandos intermedios: los roles en declive.

6. Construir tu organización de IA agéntica: hoja de ruta de 0 a 24 meses
Dos hojas de ruta operativas: gran empresa y startup/scale-up. La trampa de los pilotos sin coordinar.

7. Los 11 errores que cometen los CDOs frente a lo agéntico
Contratar solo perfiles con doctorado, lanzar un lab aislado, buscar la perfección técnica, descuidar la integración con los sistemas existentes, ignorar el compliance…

El relato: de 2012 a la era agéntica

2012, en el mundo de los datos y la IA, era la prehistoria. Benoît Binachon, mi socio, fundador de Uman Partners, acababa de crear la consultora, especializada desde el origen en el reclutamiento de Data. Su trabajo consistía en encontrar estadísticos que también supieran programar un poco. La palabra «data scientist» empezaba apenas a emerger. Términos como «analytics engineer» o «ML Ops» todavía tardarían varios años en llegar.

Poco a poco, las organizaciones de datos crecieron, algunas hasta 200 personas. Trece años de reclutamiento exclusivo en datos e IA le dan a la consultora una perspectiva poco común sobre lo que cambia de verdad. Como resume bien Benoît:

«En 2012, a los primeros data scientists los buscábamos en la investigación o en la tecnología. Luego llegaron los data engineers, los arquitectos, la gobernanza, las plataformas, el producto, el compliance… Todo se construyó de forma empírica, por capas sucesivas. Y la constante es el liderazgo: no es la técnica lo que marca la diferencia, es la capacidad de involucrar a toda la organización.»

Yo, por mi parte, viví esta historia desde dentro. En 2020 era Manager Data Science en Decathlon, y ahí recluté al primer AI Product Manager de la empresa. Después de Decathlon, asumí el puesto de Head of Data en Foodles, una scale-up francesa de la FrenchTech 120, 500 empleados. Allí construí una organización de datos prácticamente desde cero. Con cinco personas hacíamos el trabajo que antes de 2022 requería un equipo de diez. En 4 meses desplegamos 40 casos de uso de IA en producción, ahorrando 15.000 horas de trabajo recurrente al año. Hoy estoy construyendo la primera consultora de management de transición Agentic AI native.

Lo que viví a pequeña escala lo encuentro hoy en cada misión de transición con nuestros clientes. Desde 2012, la IA en la empresa ha atravesado tres olas sucesivas, y cada una ha seguido el mismo patrón: entusiasmo, miedo a la industrialización y después normalización.

Ola 1: la IA clásica y el ML (2012-2020), el muro de la producción

En 2020, la industrialización del machine learning asustaba a todo el mundo. Solo el 22 % de las empresas que usaban ML habían conseguido desplegar un modelo en producción,y el 43 % citaba la dificultad para escalar como obstáculo principal (Algorithmia, 2020). ¿Hoy? El MLOps se ha vuelto rutinario. El mercado mueve 1.700 millones de dólares y crece un 37 % anual, con una proyección de 39.000 millones para 2034 (Landbase, 2026). Lo que aterraba a los CIOs hace cinco años es ahora un proceso estándar.

Ola 2: la IA generativa (2022-2024), la adopción fulgurante

La irrupción de ChatGPT lo aceleró todo. El mercado de la IA generativa en la empresa pasó de 1.700 millones a 37.000 millones de dólares entre 2023 y 2025, captando el 6 % del mercado SaaS mundial (Menlo Ventures, 2025). La adopción corporativa saltó al 72 % en 2026. Desplegar un asistente de IA, hacer fine-tuning de un modelo, construir un RAG: todo esto se ha vuelto accesible, casi trivial.

Ola 3: la IA agéntica (2025-…), la próxima frontera

Y la historia se repite. Pasar a la acción de forma industrial con la IA agéntica (sistemas autónomos que actúan, no solo que responden) es la próxima frontera. Gartner predice que el 40 % de las aplicaciones empresariales integrarán agentes de IA especializados antes de que acabe 2026, frente a menos del 5 % en 2025 (Gartner, 2025). PwC informa de que el 79 % de las organizaciones declara algún tipo de adopción de la IA agéntica (PwC, 2025).

Cada ola ha seguido la misma curva: adopción entusiasta, dificultad de industrialización, maduración y normalización. El ML clásico tardó ocho años en normalizarse. La IA generativa, dos años. La IA agéntica tendrá que hacerlo todavía más rápido.

Según Gartner (2024), dos tercios de las empresas maduras ya están creando nuevos roles dedicados a la IA. El World Economic Forum estima que el 39 % de las competencias clave de los trabajadores tendrá que cambiar antes de 2030. La inversión en talento ya no es opcional: es urgente.

El estudio de BCG y WFPMA «Creating People Advantage 2026» revela una paradoja llamativa: el 90 % de los CEOs considera la IA una palanca estratégica clave, pero solo el 38 % de los directores de RRHH la ve relevante para su propia función. BCG habla de un «two-speed world»: las organizaciones que invierten en sus capacidades humanas y digitales aceleran, mientras el resto se queda atrás.

Lo que la IA no cambia: el cuadro de mando y la brújula

Si unos agentes autónomos pueden analizar, recomendar y actuar, ¿tienen los datos tal como los conocemos todavía un futuro? La respuesta es sí, categóricamente.

El cuadro de mando es la medición del rendimiento de la empresa y de su progreso hacia sus objetivos. Se han necesitado años para construir pipelines de datos, gobernanza, dashboards, definiciones compartidas. Este fundamento no desaparece con los agentes, al contrario, se vuelve todavía más crítico, porque un agente que se apoya en datos erróneos actúa sobre datos erróneos, a escala y en tiempo real.

La brújula es la decisión humana. Viví esta realidad en Faume: cuando desplegamos el pricing data-driven, era un algoritmo el que recomendaba los precios. Pero era una persona quien validaba la estrategia, quien entendía las restricciones comerciales, quien decidía los equilibrios entre margen y volumen. El agente puede calcular, no puede decidir qué es lo correcto para la empresa en un momento dado.

Gartner lo formula con claridad: «Impulsar la automatización de decisiones sin tener en cuenta el papel humano en la toma de decisiones dará como resultado una organización basada en datos pero sin conciencia ni propósito coherente. Los humanos siguen siendo quienes toman las decisiones clave.»

Cuando acompañamos a nuestros clientes en una misión de transición, este es siempre el primer mensaje: antes de hablar de agentes, asegúrate de que tu cuadro de mando funciona y de que alguien sostiene la brújula.

El papel del Chief Data & Analytics Officer nunca ha sido tan central. Según Gartner (CDAO Agenda Survey 2025), el 70 % de los CDAOs son ya responsables de la estrategia de IA y del modelo operativo. La proporción que reporta directamente al CEO pasó del 21 % en 2024 al 36 % en 2025. De aquí a 2027, el 75 % de los CDAOs que no sean percibidos como esenciales para el éxito de la IA perderán su posición C-level (Gartner, 2025).

Los CDAOs que triunfan son los que han entendido que su papel ya no es «producir informes», sino garantizar que la empresa mida lo correcto y que las personas adecuadas tomen las decisiones.

Entonces, ¿quién lleva el timón de la IA?

El BCG AI Radar 2026 revela un vuelco espectacular: casi tres cuartas partes de los CEOs declaran ser ya el principal decisor en materia de IA, el doble que el año anterior. Las empresas prevén duplicar su inversión en IA en 2026 (del 0,8 % al 1,7 % de la facturación). Y la mitad de los CEOs considera que su puesto está en juego si la IA no produce resultados.

BCG identifica tres perfiles de CEOs: los Followers (15 %, cautelosos), los Pragmatists (70 %, activos pero raramente disruptivos) y los Trailblazers (15 %, decididos, que invierten masivamente en lo agéntico). Estos últimos ya han hecho upskilling en tres cuartas partes de su plantilla y dirigen más de la mitad de su inversión en IA hacia los agentes.

Entonces, ¿quién debe pilotar la IA en la empresa?

¿El CEO, porque la IA es una transformación global que supera cualquier perímetro funcional?
¿El CDAO, porque es quien domina los datos, la gobernanza y las competencias técnicas?
¿Un Chief AI Officer dedicado, porque el tema merece un líder a tiempo completo?
¿Un Chief Transformation Officer (CTrO) AI-first, porque las transformaciones fracasan sin un líder dedicado a la ejecución?
¿O una alianza estructural entre el CEO, el CDAO y el CTO , con objetivos compartidos?

BCG ha publicado un análisis decisivo: «Soft Power, Hard Results: What CEOs Should Look For in an AI-First Chief Transformation Officer» (febrero de 2026). Constatación brutal: las transformaciones de negocio solo tienen un 30 % de probabilidades de éxito, y apenas el 5 % de las empresas declara un valor significativo de sus inversiones en IA. Pero cuando una empresa nombra a un CTrO desde el lanzamiento, las probabilidades de éxito aumentan en +22 puntos.

El CTrO AI-first es un líder que «no controla nada pero es responsable de todo»: no controla ni los equipos ni los presupuestos, pero responde por los resultados. Avanza mediante la influencia, no mediante la autoridad jerárquica. Distingue la «actividad de IA» (tasa de adopción, número de PoC) de los resultados reales (ganancias de productividad, impacto en la cuenta de resultados).

En España, esta pregunta se plantea con la misma urgencia que en el resto de Europa. El Reglamento Europeo de IA añade una capa adicional de exigencia sobre gobernanza y supervisión humana, con la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) como autoridad de referencia. Sea cual sea el modelo de gobernanza que elija tu organización, en un mercado donde la demanda de estos perfiles se concentra especialmente en Madrid y Barcelona, va a necesitar personas capaces de sostenerlo, no solo tecnología.

La cuestión de quién pilota la IA tendrá una respuesta distinta según seas un gran grupo, una empresa mediana o una scale-up. Es un tema que exploramos en detalle en los próximos artículos de esta serie.

Una cosa es segura: el cuadro de mando y la brújula permanecen. Pero todo lo que ocurre entre ambos, los equipos, los roles, las formas de trabajar, está en plena transformación, profunda e irreversible.

→ Leer el siguiente artículo: Artículo 2 — Lo que la IA cambia de verdad en los equipos de datos

Roles que exploramos en Uman Partners

Esta serie habla de organizaciones de datos e IA en transformación. Si tu empresa está definiendo o reforzando su liderazgo en esta área, estos son algunos de los roles comentados en este artículo y con los que trabajamos:

Navegación — Artículos de la serie

Artículo 1/7: Por qué los agentes de IA lo cambian todo (artículo actual)
Artículo 2/7: Lo que la IA cambia de verdad en los equipos de datos (próximamente)
Artículo 3/7: IA generativa vs. IA agéntica (próximamente)
Artículo 4/7: Las competencias de la era agéntica (próximamente)
Artículo 5/7: Qué roles emergen y cuáles desaparecen (próximamente)
Artículo 6/7: Hoja de ruta de 0 a 24 meses (próximamente)
Artículo 7/7: Los 11 errores de los CDOs frente a lo agéntico (próximamente)

Florent Cattaneo — Benoît Binachon, Uman Partners