Un agente responde bien en la demo y se atasca en producción cuando le pides el estado real de un pedido. McKinsey publicó en agosto que casi dos tercios de las empresas han experimentado con agentes y menos del 10% los ha escalado con valor tangible. En su análisis sobre los fundamentos del agentic AI, ocho de cada diez compañías señalan los límites de sus datos como el obstáculo para escalar. El modelo casi nunca es el que falla. El dato que el agente necesita vive en un ERP que habla SOAP, en una base SQL de hace quince años y en tres hojas de cálculo que nadie reconcilia.
Por qué el agente se atasca al salir de la demo
Meter más documentos en el contexto no responde una pregunta operativa. Cuántas unidades quedan de una referencia, si un cliente acumula impagos, qué condiciones se pactaron en la última renovación. Eso exige leer sistemas transaccionales, no un índice de PDFs.
Un estudio de Harvard Business Review de 2026 sobre el valor de la IA (What Drives AI Value) recoge que el 70% de los responsables empresariales tiene problemas para integrar agentes en sus sistemas y admite que sus agentes no acceden a los datos correctos.
La encuesta State of Agentic AI in the Enterprise de Salesforce, con 2.025 responsables de decisiones, añade un matiz útil. Solo el 31% de quienes tienen agentes en producción unificó sus datos antes de lanzar. Los que sí unificaron los datos relevantes para su caso llegaron a retorno en 7,3 meses, frente a los 8,8 de quienes desplegaron primero y taparon agujeros después. Nadie necesita unificar la empresa entera, solo la parte que toca el caso de uso.
Una capa de acceso sobre los sistemas que ya funcionan
El mercado evita la migración del ERP y va hacia una capa intermedia que traduce el lenguaje del modelo a consultas sobre los sistemas existentes. RavenDB lanzó el 8 de septiembre Quill, una capa de contexto que se conecta a PostgreSQL, SQL Server o MySQL sin mover el sistema de registro. Los fabricantes de ERP avanzan por dentro en la misma dirección. SAP presentó en Sapphire 2026 su Autonomous Suite con más de 200 agentes, e IFS añadió Agent Studio para que usuarios de negocio configuren sus propios trabajadores digitales.
Toda capa de este tipo necesita tres cosas resueltas antes de conectar nada:
- Semántica legible. Un agente que lee
customer_case_linkinterpreta menos que uno que lee «este cliente tiene un caso abierto». Joe Inzerillo, presidente de Enterprise & AI Technology en Salesforce, lo resume así: la capa semántica desbloquea el valor. - Permisos heredados del usuario. El agente actúa con los permisos de quien inicia la petición, no con una cuenta de servicio con acceso a todo. El informe Agents Without Guardrails de EMA encontró que casi la mitad de las empresas no puede reconstruir con facilidad lo que hizo un agente en los últimos 30 días.
- Registro por acción. Gartner calcula que más del 40% de los proyectos de agentic AI se cancelará antes de finales de 2027 por costes crecientes, valor poco claro y controles de riesgo insuficientes.
Cómo empezar sin tocar la migración
- Elige un caso cuyo dato ya esté detrás de una API o de un SQL accesible. Tus tres sistemas principales bastan para el primer prototipo.
- Escribe las diez preguntas que el agente debe responder y localiza en qué sistema vive cada respuesta. Lo que no aparezca en esa lista es trabajo de datos, y conviene saberlo antes de firmar nada.
- Expón esos datos por una capa propia en lugar de conectar el agente a cada sistema por separado. El día que cambies de modelo o de framework, la capa se queda.
- Arranca en solo lectura, con permisos limitados y registro de cada consulta. Añade escritura cuando el equipo sepa qué casos escalan a una persona y cuáles se resuelven solos.
Un prototipo así cabe en semanas. RavenDB cifra en 18 a 24 meses el desarrollo interno típico de una pila de IA a medida, y ese plazo no lo sostiene ningún comité.
En Luxion montamos asistentes conectados a sistemas que ya funcionan, como el de BigBuy, y empezamos por el caso que menos esfuerzo exige y antes se nota. Te enseñamos el prototipo funcionando antes de que comprometas presupuesto.