Dos días en Berkeley: lo que separa a los agentes de IA en producción del siguiente piloto fallido

Pasé dos días en UC Berkeley con cinco mil investigadores, fundadores e ingenieros de Amazon, Google, OpenAI, NVIDIA y el MIT. No fui como turista de conferencias. Fui a validar, con evidencia y no con hype, si la promesa de la IA agéntica ya aterrizó en el mundo real o si sigue siendo una lámina de pitch deck. La respuesta que traje de vuelta es clara y, para quien dirige un negocio en México, urgente.

Agentes de IA en producción: la conclusión del Agentic AI Summit 2026

El mensaje fue unánime en cada panel, demo y conversación de pasillo: la IA dejó de ser un chatbot que responde preguntas y se convirtió en un agente que hace el trabajo. Ya no hablamos de asistentes que sugieren un correo o resumen; hablamos de sistemas que reciben un objetivo, planean los pasos, operan aplicaciones y sistemas reales, verifican su propio resultado y entregan. Eso es lo que significa tener agentes de IA en producción: no un prototipo brillante en una demo controlada, sino software que opera sin supervisión constante y que responde por su trabajo.

El Agentic AI Summit 2026 fue organizado por el Berkeley RDI. Documenté personalmente 185 láminas de evidencia técnica y de negocio a lo largo de las sesiones a las que asistí. No es una tesis mía. Es lo que mostraron, con números, los equipos que ya lo están operando.

1. De conversar a hacer

Los casos que vi en el escenario ya no eran experimentos de laboratorio. Agentes que concilian facturas con 99.9% de precisión a un tercio del costo de un proceso manual. Agentes que corrigen software en producción sin que un ingeniero abra el ticket. Agentes que atienden a un cliente de principio a fin —desde el primer mensaje hasta la resolución— sin escalar a un humano. La diferencia con la generación anterior de IA es de categoría, no de grado: antes el sistema conversaba; ahora ejecuta, y su desempeño se mide en las mismas métricas de negocio que usaríamos para evaluar a un equipo humano.

2. La inteligencia se abarata radicalmente

Durante los días del summit llegaron modelos abiertos a aproximadamente una centésima parte del precio de los modelos premium. Algunos corren en una laptop, sin que los datos salgan del equipo. Lo que era premium en enero de 2026 es commodity en agosto. La capacidad mundial de cómputo de IA se duplica cada siete meses, lo que significa que el argumento de "no tenemos presupuesto para IA" caduca más rápido que cualquier plan estratégico. Para un dueño de negocio en México, esto tiene una implicación muy concreta: las herramientas que hoy usan los gigantes tecnológicos ya cuestan menos que un plan de celular corporativo.

3. La confianza es el nuevo cuello de botella

Este fue el dato que más me hizo pensar. El 95% de los pilotos corporativos de IA fracasan, y no por la tecnología. Fracasan por reglas poco claras sobre qué puede decidir la IA sola y qué requiere firma humana, por métricas que miden lo equivocado, y por una curva de aprendizaje que se volvió invisible porque nadie diseñó cómo la organización aprendería a operar junto al agente. La tecnología llegó antes que el gobierno corporativo que la sostiene, y eso —no el modelo, no el costo de cómputo— es lo que está frenando la adopción real.

La tecnología ya está lista. El diferenciador es el diseño: qué delegar, con qué límites y cómo verificarlo.

Esa frase resume, mejor que cualquier lámina, el problema que hoy enfrenta cualquier consejo directivo que evalúa IA.

4. El trabajo pasa de ejecutar a dirigir

El rol de las personas se está desplazando de hacer la tarea a dirigir al agente que la hace. Berkeley propuso cuatro verbos nuevos para describir ese trabajo: observar, intervenir, refinar, decidir. Las personas escriben la estrategia; los agentes ejecutan. El mercado laboral ya lo está reflejando: los empleos que piden habilidades de IA crecieron 69%, frente a un 9% del mercado general, con un premio salarial de 62% para quien las tiene. No es una promesa a futuro; es una curva de contratación que ya está corriendo.

5. Se construye un internet de agentes — con reglas

En el MIT y otros centros de investigación ya se construyen registros donde agentes de distintas organizaciones se encuentran, negocian y se pagan entre sí, sin intervención humana en cada transacción. Y la regulación no llegó después: llegó durante el propio summit. Desde el 2 de agosto de 2026, el Artículo 50 de la Ley de IA de la Unión Europea y la SB 942 de California exigen que el contenido generado por IA sea identificable. (Esta es una descripción general y no asesoría legal; el alcance exacto para su empresa depende de su jurisdicción y debe revisarlo con su equipo de cumplimiento.) La infraestructura de agentes y su marco regulatorio están naciendo al mismo tiempo, no en secuencia.

Qué significa esto para tu negocio

Traducido a las cuatro audiencias con las que interactúa cualquier empresa:

• Cliente: espera atención que responda a las 2 a.m. y resuelva en minutos lo que antes tomaba días. Ya no es diferenciador; es la nueva expectativa base.
• Profesional dentro de tu organización: su valor se mueve del volumen de trabajo producido al criterio — qué vale la pena delegar y cómo verificar lo que el agente entregó.
• Ciudadano y consumidor: va a encontrar cada vez más contenido hecho por máquinas y va a empezar a buscar, activamente, las etiquetas de origen que ahora exige la ley.
• Dueño de negocio: las herramientas que antes solo tenían Amazon, Google o el MIT ya están al alcance de una empresa mediana mexicana, a un costo que compite con una suscripción de software convencional.

El riesgo ya no es quedarse fuera de la IA. El riesgo es lanzar agentes de IA en producción sin las reglas de gobierno que el summit identificó como la causa real del 95% de fracasos: sin claridad de qué decide la máquina y qué requiere firma humana, sin métricas correctas y sin un plan explícito de cómo la organización va a aprender a supervisar, en lugar de ejecutar.

Recomendaciones: qué hacer esta semana

• Define, por escrito, los límites de decisión del agente. Qué puede hacer solo, qué requiere revisión humana y qué queda fuera de su alcance por completo. Sin esto, cualquier piloto está condenado desde el diseño.
• Cambia la métrica de "¿funciona?" a "¿verificamos que funciona?". Un agente que concilia facturas al 99.9% de precisión es útil porque ese número se audita, no porque suena bien en una presentación.
• Invierte en el aprendizaje invisible. Diseña, de forma explícita, cómo tu equipo va a pasar de ejecutar tareas a observar, intervenir, refinar y decidir. Esa curva no ocurre sola.
• Aprovecha la caída de costo, pero no por moda. Si un modelo abierto de fracción del costo resuelve tu caso de uso sin sacar datos sensibles de tu infraestructura, evalúalo antes que la opción premium por defecto.
• Prepárate para la transparencia obligatoria. Si generas contenido con IA para clientes en Europa o California, la identificación ya no es opcional desde este mes. Revisa tus flujos ahora, no cuando llegue el primer requerimiento regulatorio.

La tecnología que vi en Berkeley ya no necesita que la convenzamos de que funciona. Necesita que las organizaciones decidan, con la misma seriedad con la que diseñan un organigrama, qué le delegan a un agente, dónde ponen el límite y cómo comprueban que lo que entregó es correcto. Esa disciplina de diseño —no el modelo, no el cómputo— es lo que hoy separa a las empresas que ya operan agentes de IA en producción de las que siguen atrapadas en el siguiente piloto que no va a ningún lado.

— Eduardo Ortiz Ramírez, CEO de WATR