MANAGED AGENTOPS
El auge de la Empresa Autónoma (y el problema del Día 61)
Ronald Coase explicó por qué existen las empresas; los agentes de IA están cambiando cómo operan. Cómo construir un hábitat gobernado para agentes en producción sin caer entre la jaula y el caos.
7 min de lecturaMartín BusteloFounder & CEO, Talo Tech
En 1937, el economista y Premio Nobel Ronald Coase se hizo una pregunta engañosamente simple en su ensayo The Nature of the Firm: si los mercados son tan eficientes asignando recursos, ¿por qué existen las empresas?
Su respuesta fue los costos de transacción. Salir al mercado a negociar, contratar e inspeccionar cada tarea individual es demasiado caro. Por eso creamos organizaciones estables. Pero al meter a decenas o cientos de personas bajo un mismo techo aparece un segundo impuesto silencioso: los costos de coordinación.
Durante los últimos cuarenta años, el software empresarial prometió reducir ese impuesto. Pasamos del papel a las hojas de cálculo, de las hojas de cálculo a los ERPs, de los ERPs a decenas de pestañas SaaS en la nube. Sin embargo, cualquiera que haya dirigido operaciones reales sabe la verdad: el software digitalizó los registros, pero las personas siguen siendo el pegamento manual entre los sistemas.
Tu equipo comercial lee un pedido en un correo o en WhatsApp, descarga un PDF adjunto, valida el stock en una segunda pantalla, consulta reglas de precios en una tercera, carga la orden en el ERP y avisa por chat interno a logística. El software guarda el dato; los humanos absorben toda la fricción operativa.
Hoy estamos frente al primer cambio estructural en esa ecuación desde 1937. Como escribió Amjad Masad, CEO de Replit, en The Rise of the Self-Driving Company, estamos entrando en la era de la Empresa Autónoma: organizaciones donde las personas definen los objetivos, ejercen el criterio comercial y mantienen la autoridad final, mientras una flota de agentes de IA ejecuta el trabajo operativo de punta a punta sobre los sistemas reales de la compañía.
Masad lo resume con una frase que compartimos: cuando esto se implementa bien, las personas no sienten que las reemplazan; sienten que las ascienden. Dejan de ser transcriptores de datos entre pestañas para convertirse en directores de operaciones que supervisan resultados.
Pero entre esa visión y la realidad operativa de una empresa mediana hay un abismo técnico del que casi nadie habla.
La falsa elección: la jaula o el salvaje oeste
Masad lo plantea como una falsa elección entre la jaula y lo salvaje. En las empresas medianas con las que trabajamos se ve así cuando la dirección, un COO o un CTO intenta llevar agentes de IA a sus procesos críticos:
Los datos confirman hacia dónde lleva el segundo camino. En The AI Production Paradox (Sinch, mayo de 2026), una encuesta a 2.527 directivos de empresas de más de 1.000 empleados en diez países, el 74% de las organizaciones que ya tenían agentes de IA atendiendo clientes en producción tuvo que dar marcha atrás o apagarlos por una falla de gobierno.
Las causas no tienen que ver con la capacidad de razonamiento del modelo. Y el dato más incómodo es el último: tener barreras el día del lanzamiento no basta; hay que operarlas todos los días.
"Necesitamos separar la provisión de inteligencia de la autoridad sobre ella."
Satya Nadella · Models as Insider Risks in the Super Intelligence Era
El problema del Día 61: por qué fallan tanto el SaaS como el modelo "construir y entregar"
Supongamos que tu empresa supera el piloto inicial. Durante las primeras semanas todo parece funcionar en las demos. Pero entonces llega el Día 61. Lo llamamos así porque es cuando la mayoría de los pilotos de seis a ocho semanas ya terminó y el proveedor se fue.
- Día 1Arranca el pilotoDatos limpios, casos elegidos y todo el equipo mirando.
- Semanas 6–8Demo y entregaRepositorio, manual en PDF y última factura. El proveedor se retira.
- Día 61La operación cambiaY no queda nadie que responda por el agente.
En el Día 61, la operación real hace lo que siempre hace: cambia.
- Un proveedor modifica el formato de sus órdenes de compra en PDF y agrega una tabla anidada que rompe el parser.
- El ERP actualiza un endpoint o devuelve un código de error transitorio un viernes a las 19:00.
- Un usuario externo envía un correo con una instrucción ambigua —o un intento deliberado de Prompt Injection indirecto— intentando que el agente autorice un descuento o exporte información confidencial.
- Un nuevo modelo fundacional cambia sutilmente el formato JSON de salida y descalibra una herramienta crítica.
Frente al Día 61, los dos modelos tradicionales del mercado dejan sola a tu empresa:
- El vendedor de SaaS tradicional te alquila una plataforma llena de botones y se lava las manos: "Nosotros te damos la herramienta; configurarla, integrarla a tu lógica de negocio y evitar que alucine es problema de tu equipo".
- La consultora tradicional o el modelo Build-Operate-Transfer (BOT) construye un prototipo en ocho semanas, te entrega un repositorio de código y una documentación en PDF, te cobra la factura final y se retira. Cuando en la semana nueve cambia una regla de negocio o aparece una deriva en el comportamiento del agente (agent drift), tu equipo interno no tiene ni la infraestructura de evaluación continua (evals) ni los ingenieros de seguridad de IA para operarlo.
Los agentes de IA en producción no son software estático que se instala una vez y queda andando solo. Son sistemas probabilísticos vivos operando sobre entornos determinísticos. Necesitan un hábitat diseñado para gobernarlos y un equipo que responda por su operación todos los días.
Cómo operamos el hábitat de agentes en Talo Tech
Replit llama Agent Habitat al entorno donde los agentes trabajan dentro de límites que la empresa controla. Nuestra respuesta al Día 61 es que ese hábitat no se instala: se opera, todos los días.
En Talo Tech creamos una categoría de servicio pensada exactamente para resolver este problema: Service-as-a-Software / Managed AgentOps. No te vendemos otra licencia de software para que tu equipo aprenda a usar, ni te tiramos código por la ventana esperando que puedas mantenerlo. Desarrollamos, aseguramos, gobernamos y operamos tus agentes de IA en producción bajo acuerdos de nivel de servicio (SLAs) y responsabilidad nuestra.
De hecho, operamos nuestra propia compañía bajo esta misma arquitectura con un equipo interno de 10 agentes de IA especializados (desde nuestro AI Chief of Staff hasta nuestro AI CISO y Bot CTO) trabajando junto a nuestros ingenieros.
Para que una empresa pase de procesos manuales a una operación autónoma sin riesgos, desplegamos cada sistema en cuatro fases:
- Ejecución autónoma auditada: los agentes leen documentos (con nuestro motor propio de extracción estructurada), cruzan bases de datos, validan reglas comerciales, preparan borradores y ejecutan acciones de bajo riesgo con permisos mínimos, credenciales efímeras y aislamiento de datos no confiables contra Prompt Injection.
- Compuertas humanas: ninguna acción irreversible de alto impacto (un registro financiero definitivo, una excepción comercial fuera de política, una comunicación crítica) se ejecuta sin que un responsable humano la apruebe o corrija con un clic.
El futuro no es reemplazar a tu equipo: es darle superpoderes gobernados
Ronald Coase tenía razón hace casi noventa años: las empresas que ganan son las que logran coordinar talento y ejecución a una fracción del costo y del tiempo que sus competidores.
En los próximos veinticuatro meses, la ventaja competitiva en logística, industria, distribución B2B, comercio exterior y servicios profesionales no estará en quién tenga el mejor discurso sobre inteligencia artificial, sino en quién tenga un hábitat de agentes gobernados corriendo en producción sin caerse en el Día 61.