Los equipos de IA empresarial parecen estar decantándose por plataformas para sistemas “agentic” más rápido de lo que resuelven el problema más difícil de hacer que esos sistemas sean fiables en producción. Un conjunto de cuatro encuestas de VentureBeat Pulse Research de junio de 2026, cada una basada en muestras separadas de encuestados empresariales, apunta a la misma conclusión desde distintos ángulos: el cuello de botella ya no es elegir una plataforma base, sino desplegar agentes con orquestación fiable, contexto gobernado, evaluación creíble y controles básicos de seguridad.

La señal más clara viene de la ola de orquestación. Según la encuesta de VentureBeat a 101 organizaciones con más de 100 empleados, las empresas están concentrando la orquestación de agentes en plataformas de proveedores de modelos, con Claude de Anthropic citado como la plataforma principal por el 40% de los encuestados, seguido de Microsoft con el 18% y OpenAI con el 13%. Pero esa consolidación convive con una admisión incómoda: el 71% dijo que una cuarta parte o menos de sus “agentes” desplegados son realmente flujos de trabajo orquestados de varios pasos y no simples envoltorios de chatbot.

Tomadas junto con otras tres encuestas sobre infraestructura de contexto, evaluación y seguridad, el mensaje es más amplio que el liderazgo de un solo proveedor. Las empresas dicen que quieren sistemas fiables, autónomos y de varios pasos. En la práctica, muchas siguen lanzando asistentes frágiles, usando los valores predeterminados nativos de los proveedores y descubriendo fallos después del despliegue. Para los creadores de IA, los compradores empresariales y los fundadores que venden en este mercado, eso desplaza la conversación de la elección del modelo a la disciplina operativa.

La orquestación se está consolidando, pero la madurez del despliegue va por detrás

La encuesta de orquestación de VentureBeat sostiene que las empresas eligen plataformas en gran medida por “gravedad del modelo”, es decir, por la atracción del modelo fundacional subyacente y no por una capa de control de orquestación diferenciada. En esa muestra, los grandes proveedores dominaron, mientras que marcos abiertos como LangChain/LangGraph y desarrollos internos a medida quedaron en cifras de un solo dígito como uso principal.

Eso importa porque las empresas también le dijeron a VentureBeat que el éxito de la orquestación se juzga principalmente por la fiabilidad en la finalización de tareas y la gestión de flujos de trabajo de varios pasos. Esas prioridades sugieren que los compradores buscan sistemas capaces de coordinar herramientas, mantener el estado y completar trabajo a lo largo de varios pasos. Sin embargo, los mismos encuestados reconocieron que la mayoría de las implementaciones actuales no cumplen ese estándar.

Esta brecha entre la ambición y la realidad en producción es central en la historia. Si la mayoría de los sistemas desplegados siguen siendo asistentes de un solo prompt, entonces el gasto empresarial en orquestación es en parte infraestructura preventiva: los equipos están construyendo la capa antes de que exista la cartera de agentes realmente orquestados. Eso no es necesariamente irracional. Puede reflejar un patrón empresarial normal de estandarizar temprano la compra y los controles. Pero sí significa que muchas cifras de adopción de “agentes” probablemente agrupan tipos de sistemas muy distintos.

La encuesta también encontró que el 68% planea adoptar una nueva plataforma de orquestación, añadir una adicional o sustituir la actual en el plazo de un año, y muchos todavía no tienen una lista corta. Eso sugiere que esta capa está lejos de estar asentada, aunque unos pocos proveedores dominen actualmente los despliegues principales.

Los puntos de fallo más grandes son contexto, evaluaciones y seguridad

Las otras tres encuestas de VentureBeat ayudan a explicar por qué las empresas tienen dificultades para pasar de los envoltorios de chatbot a agentes fiables.

En cuanto al contexto, una encuesta separada a 101 encuestados encontró que el 57% de las empresas había atribuido una respuesta segura pero incorrecta de un agente de IA, en los seis meses anteriores, a la falta de contexto empresarial o a su inconsistencia. La generación aumentada por recuperación ya es la principal fuente de contexto para muchos equipos, y VentureBeat informó de que herramientas de recuperación nativas del proveedor como OpenAI file search y Google Vertex AI Search ahora lideran a las bases vectoriales dedicadas en uso de producción dentro de su muestra.

Eso no significa que la recuperación esté resuelta. La misma encuesta sugiere lo contrario: la mayoría de las empresas sigue construyendo la capa semántica gobernada necesaria para que el contexto recuperado sea consistente y confiable. VentureBeat encontró que el 58% ya opera o está construyendo una capa semántica de ese tipo, pero solo el 25% la tiene en producción. En otras palabras, los agentes de IA ya suenan autoritarios antes de que las definiciones empresariales subyacentes estén estables.

En evaluación, las cifras son igualmente sobrias. En la encuesta de VentureBeat a 157 encuestados, el 50% dijo haber lanzado una funcionalidad de IA que pasó evaluaciones internas y luego falló en un entorno orientado al cliente. Solo el 5% dijo confiar plenamente hoy en la evaluación automatizada. Aun así, el 66% ya permite el despliegue totalmente automatizado para agentes de bajo riesgo o está trabajando para lograrlo en el plazo de un año.

Esa combinación puede ser la señal más clara de que las operaciones de IA empresarial están superando sus prácticas de garantía. Los equipos quieren ciclos de lanzamiento más rápidos y más autonomía, pero la evidencia de esta encuesta sugiere que la capa de pruebas todavía no es lo bastante fuerte para sostenerlo de forma segura.

En seguridad, la encuesta de VentureBeat a 107 encuestados encontró que el 54% ya había experimentado un incidente de seguridad de agentes confirmado o un casi incidente. El problema estructural, según el informe, es la identidad y la contención. Solo el 32% dijo que cada agente recibe su propia identidad delimitada y gestionada, mientras que muchos siguen dependiendo de credenciales compartidas. Apenas el 30% aísla sus agentes de mayor riesgo en sandboxes.

Eso es especialmente relevante a medida que las empresas conceden a los agentes acceso real a sistemas internos. Sin identidad por agente y aislamiento, un sistema comprometido o con permisos excesivos puede tener un radio de impacto mucho más amplio.

Las herramientas nativas del proveedor ganan por defecto, no por veredicto final

Un patrón constante en las cuatro encuestas es que las herramientas nativas del proveedor se están convirtiendo en la opción operativa predeterminada. En orquestación, los proveedores de plataformas de modelos dominan el uso principal. En contexto, OpenAI file search y Google Vertex AI Search lideran la pila de recuperación en la muestra de VentureBeat. En seguridad, OpenAI guardrails y los controles nativos de la nube de los grandes proveedores fueron las herramientas más comunes. En evaluación, las herramientas nativas del proveedor también estaban en la cima, empatadas con no tener ninguna herramienta dedicada.

Ese patrón importa para el mercado porque indica que la conveniencia está venciendo a la especialización en la primera ola de despliegue empresarial. Los compradores parecen estar eligiendo lo que viene incluido con su plataforma de modelo o su pila en la nube, especialmente cuando los equipos aún están en una fase temprana de madurez de producción.

Pero los propios datos de VentureBeat también sugieren que esos valores predeterminados son provisionales. En seguridad, el 59% planeaba adoptar o cambiar herramientas en el plazo de un año. En contexto, el 57% planeaba cambiar o añadir un proveedor de recuperación. En evaluación, el 64% planeaba adoptar una plataforma nueva o de sustitución. En orquestación, la intención de cambio también era alta.

Así que, aunque la pila actual parece concentrada, el ciclo de compra sigue abierto. Las empresas pueden empezar con controles y recuperación empaquetados porque eso reduce la fricción, pero no parece que muchas estén convencidas de quedarse ahí. El bloqueo con el proveedor fue el principal riesgo citado cuando la capa de control de orquestación se sitúa dentro de una plataforma de proveedor de modelos, lo que ayuda a explicar por qué el 51% en la encuesta de orquestación esperaba una capa de control híbrida a finales de 2026.

Evidencia, cautelas y lo que realmente muestran estas encuestas

Los cuatro elementos fuente son encuestas VentureBeat Pulse Research de junio de 2026, no documentos públicos ni datos de mercado auditados. Eso les da valor como lectura direccional del sentimiento empresarial y del comportamiento de despliegue, pero también impone límites reales.

Las muestras fueron autoseleccionadas, en varios casos ponderadas hacia el mercado medio, y de tamaño modesto: 101 encuestados para orquestación, 101 para contexto, 157 para evaluación y 107 para seguridad. El propio VentureBeat dice que los hallazgos deben tratarse como orientativos y no como una medición precisa. Las encuestas también utilizaron grupos de encuestados diferentes, por lo que los lectores deben ser cautelosos al tratar porcentajes de distintas oleadas como cifras de cuota de mercado directamente comparables.

Esa cautela es especialmente importante en torno a la posición de los proveedores. Que Claude de Anthropic lidere la orquestación en esta muestra no establece una cuota de mercado general. Lo mismo ocurre con OpenAI file search, Google Vertex AI Search, OpenAI guardrails o las evaluaciones nativas del proveedor. Son instantáneas basadas en encuestas del uso principal o de la presencia en la pila entre encuestados activos en IA, no clasificaciones ponderadas por gasto.

Aun así, el patrón estructural repetido en encuestas separadas es difícil de descartar. Diferentes grupos empresariales reportaron tensiones similares: las herramientas empaquetadas lideran el uso actual; las categorías especializadas siguen fragmentadas; y la mayoría de las organizaciones planea cambiar o añadir herramientas en el plazo de un año. Incluso si los porcentajes exactos cambian, ese patrón parece creíble.

Qué significa esto para creadores y compradores empresariales

Para los equipos de producto de IA, la lección práctica es que las afirmaciones de “agentes” se enfrentarán a un escrutinio más duro. Si los clientes empresariales reconocen cada vez más que muchos agentes desplegados no son más que envoltorios alrededor de prompts, los proveedores tendrán que mostrar dónde existe realmente la orquestación: gestión de estado, coordinación de herramientas, controles en tiempo de ejecución, comportamiento de respaldo y finalización de tareas medible.

Para los compradores empresariales, estas encuestas sugieren que la selección de plataforma se está convirtiendo en la parte fácil. La parte difícil es operacionalizar la IA empresarial en cuatro capas a la vez: una capa de contexto confiable, una capa de evaluación vinculada a resultados del mundo real, una capa de identidad y aislamiento para la seguridad, y una capa de control capaz de gestionar tanto costes como dependencia del proveedor.

Para las startups, la oportunidad puede ser más estrecha de lo que sugiere el mensaje general de “plataforma de agentes”. Los paquetes de los proveedores están absorbiendo el punto de entrada predeterminado. Las oportunidades parecen más específicas: capas semánticas gobernadas, identidad no humana, aislamiento en tiempo de ejecución, monitorización de la calidad de salida y controles de orquestación situados por encima del proveedor del modelo.

La cuestión de los costes también merece atención. La encuesta de orquestación de VentureBeat encontró que el 27% no tenía una forma real, programática y en tiempo real de detener a un agente fuera de control antes de que llegara la factura. Eso no es solo un asunto de FinOps. Es una señal de que las capas de control en tiempo de ejecución todavía son inmaduras.

Qué vigilar a continuación

La señal de seguimiento más importante es si las empresas empiezan a informar de crecimiento en flujos de trabajo de producción realmente de varios pasos, y no solo de más despliegues de “agentes”. Si ese número sigue siendo bajo mientras aumenta el gasto en orquestación, la categoría podría estar sobreetiquetada y poco entregada.

En segundo lugar, hay que observar si las arquitecturas de control híbridas se convierten en la norma. Si los equipos siguen estandarizándose en Claude de Anthropic, Microsoft u OpenAI mientras añaden capas externas de orquestación y políticas, el mercado podría asentarse en una pila dividida en lugar de plataformas de ganador absoluto.

Tercero, conviene prestar atención a si las capas semánticas gobernadas pasan de piloto a producción. Si OpenAI file search y Google Vertex AI Search siguen creciendo sin una mejor gobernanza del contexto, el problema de lo seguro pero incorrecto probablemente persistirá.

Cuarto, la capa de evaluación merece vigilancia. Si las empresas siguen avanzando hacia el despliegue automatizado mientras las evaluaciones nativas del proveedor y las herramientas fragmentadas siguen siendo la norma, los fallos orientados al cliente podrían convertirse en un gran desencadenante de compras.

Por último, el gasto y la arquitectura de seguridad serán la verdadera prueba de seriedad. Si OpenAI guardrails siguen siendo el valor predeterminado mientras la identidad delimitada y el sandboxing siguen siendo poco comunes, las empresas podrían estar normalizando la exposición en lugar de reducirla.

Perspectiva de Creati.ai

Estas encuestas apuntan a un mercado de IA empresarial en maduración, en el que el lenguaje de los agentes ha avanzado más rápido que la realidad operativa. La conclusión clave no es que las empresas eligieran las plataformas equivocadas. Es que demasiados equipos trataron la elección de plataforma como la decisión principal cuando el reto del despliegue reside en la calidad del contexto, el control en tiempo de ejecución, la fidelidad de la evaluación y el diseño de seguridad.

Por eso el campo de batalla competitivo más interesante puede no ser el modelo base en absoluto. Puede ser las capas de control que lo rodean: los sistemas que deciden qué sabe un agente, a qué puede acceder, cómo se prueba, cuándo se detiene y quién puede demostrar después qué ocurrió. Hasta que esas capas se fortalezcan, muchos “agentes” empresariales seguirán siendo asistentes costosos con mejor marca que autonomía operativa.