Databricks observa la transición de la IA empresarial hacia sistemas agenticos

Según Databricks, la adopción de la IA empresarial se está orientando hacia los sistemas agenticos a medida que las organizaciones implementan flujos de trabajo inteligentes.

La ola inicial de IA generativa prometía una transformación empresarial, pero a menudo daba lugar a chatbots aislados y programas piloto estancados. Los líderes tecnológicos se enfrentaban a grandes expectativas con una utilidad práctica limitada. Sin embargo, los datos recientes de Databricks indican que el mercado ha llegado a un punto de inflexión.

La información de más de 20 000 organizaciones, incluido el 60 % de las empresas de la lista Fortune 500, muestra una rápida transición hacia arquitecturas «agénicas», en las que los modelos no solo recuperan información, sino que también planifican y ejecutan flujos de trabajo de forma autónoma.

Este cambio representa una reasignación fundamental de los recursos de ingeniería. Entre junio y octubre de 2025, el uso de flujos de trabajo multiagente en la plataforma Databricks aumentó un 327 %. Este crecimiento señala la evolución de la IA hacia un componente central de la arquitectura del sistema.

El «agente supervisor» impulsa la adopción empresarial de la IA agencial

El «agente supervisor» está impulsando esta expansión. En lugar de depender de un único modelo para cada solicitud, un supervisor actúa como coordinador, desglosando las consultas complejas y asignando tareas a subagentes o herramientas especializadas.

Desde su introducción en julio de 2025, el agente supervisor se ha convertido en la aplicación de agentes líder, representando el 37 % del uso en octubre. Este enfoque refleja las estructuras organizativas humanas: un gerente no realiza todas las tareas, sino que se asegura de que el equipo las complete. Del mismo modo, un agente supervisor se encarga de la detección de intenciones y de las comprobaciones de cumplimiento antes de dirigir el trabajo a herramientas específicas del dominio.

Las empresas tecnológicas lideran actualmente esta adopción, creando casi cuatro veces más sistemas multiagente que cualquier otra industria. Sin embargo, los beneficios se extienden a todos los sectores. Por ejemplo, una empresa de servicios financieros podría utilizar un sistema multiagente para gestionar simultáneamente la recuperación de documentos y el cumplimiento normativo, proporcionando respuestas verificadas a los clientes sin intervención humana.

La infraestructura tradicional bajo presión

A medida que los agentes pasan de responder preguntas a realizar tareas, la infraestructura de datos subyacente se enfrenta a nuevos retos. Las bases de datos tradicionales de procesamiento de transacciones en línea (OLTP) se diseñaron para interacciones a velocidad humana con transacciones predecibles y cambios de esquema poco frecuentes. Los flujos de trabajo de los agentes invierten estas suposiciones.

Los agentes de IA ahora generan patrones de lectura y escritura continuos y de alta frecuencia, a menudo creando y desmantelando entornos de forma programática para probar código o ejecutar escenarios. La magnitud de esta automatización es evidente en los datos. Hace dos años, los agentes de IA creaban solo el 0,1 % de las bases de datos; hoy en día, esa cifra se sitúa en el 80 %.

Además, el 97 % de los entornos de prueba y desarrollo de bases de datos ahora son creados por agentes de IA. Esta capacidad permite a los desarrolladores y a los «programadores vibe» crear entornos temporales en segundos en lugar de horas. Se han desarrollado más de 50 000 aplicaciones de datos e IA desde la presentación pública de Databricks Apps, con una tasa de crecimiento del 250 % en los últimos seis meses.

El estándar multimodelo

La dependencia de un único proveedor sigue siendo una preocupación constante para los líderes empresariales que trabajan para aumentar la adopción de la IA agencial. Los datos muestran que las organizaciones están abordando activamente esta cuestión mediante la implementación de estrategias multimodelo. En octubre de 2025, el 78 % de las empresas utilizaban dos o más familias de modelos de lenguaje grande (LLM), como ChatGPT, Claude, Llama y Gemini.

Este enfoque es cada vez más sofisticado. El porcentaje de empresas que utilizan tres o más familias de modelos aumentó del 36 % al 59 % entre agosto y octubre de 2025. Esta diversidad permite a los equipos de ingeniería asignar tareas más sencillas a modelos más pequeños y rentables, mientras que reservan los modelos avanzados para el razonamiento complejo.

Las empresas minoristas lideran esta tendencia, ya que el 83 % utiliza dos o más familias de modelos para equilibrar el rendimiento y el coste. Una plataforma unificada capaz de integrar varios modelos propietarios y de código abierto se está convirtiendo rápidamente en algo esencial para la pila de IA empresarial moderna.

A diferencia del enfoque tradicional de big data de procesamiento por lotes, la IA agencial opera principalmente en tiempo real. El informe señala que el 96 % de todas las solicitudes de inferencia se procesan inmediatamente.

Esto es especialmente evidente en sectores en los que la latencia afecta directamente al valor. El sector tecnológico procesa 32 solicitudes en tiempo real por cada solicitud por lotes. En el sector sanitario y las ciencias de la vida, donde las aplicaciones pueden implicar la monitorización de pacientes o el apoyo a la toma de decisiones clínicas, la proporción es de 13 a 1. Para los responsables de TI, esto subraya la necesidad de una infraestructura de servicio de inferencia que pueda gestionar los picos de tráfico sin comprometer la experiencia del usuario.

La gobernanza acelera las implementaciones de IA en las empresas

Quizás el hallazgo más contrario a la intuición para muchos ejecutivos es la relación entre la gobernanza y la velocidad. Aunque a menudo se consideran un obstáculo, los marcos rigurosos de gobernanza y evaluación aceleran en realidad la implementación de la producción.

Las organizaciones que utilizan herramientas de gobernanza de IA implementan más de 12 veces más proyectos de IA en producción que las que no lo hacen. Del mismo modo, las empresas que utilizan herramientas de evaluación para comprobar sistemáticamente la calidad de los modelos logran casi seis veces más implementaciones en producción.

El razonamiento es sencillo. La gobernanza proporciona barreras de protección esenciales, como la definición del uso de los datos y el establecimiento de límites de velocidad, lo que da a las partes interesadas la confianza necesaria para aprobar la implementación. Sin estos controles, los proyectos piloto suelen quedarse estancados en la fase de prueba de concepto debido a riesgos de seguridad o cumplimiento no cuantificados.

El valor de la «aburrida» automatización empresarial de la IA agencial

Aunque los agentes autónomos pueden evocar capacidades futuristas, el valor actual de la IA agencial para las empresas proviene de la automatización de tareas rutinarias, mundanas, pero esenciales. Las principales aplicaciones de la IA varían según el sector, pero se centran en resolver retos empresariales específicos:

• Fabricación y automoción: el 35 % de los casos de uso se centran en el mantenimiento predictivo.

• Salud y ciencias de la vida: el 23 % de los casos de uso implican la síntesis de literatura médica.

• Comercio minorista y bienes de consumo: el 14 % de los casos de uso se dedican a la inteligencia de mercado.

Además, el 40 % de los principales casos de uso de la IA abordan cuestiones prácticas que preocupan a los clientes, como la atención al cliente, la defensa de sus intereses y la incorporación. Estas aplicaciones proporcionan una eficiencia cuantificable y crean la capacidad organizativa necesaria para flujos de trabajo agenticos más avanzados.

Para los altos directivos, el camino a seguir implica centrarse menos en la «magia» de la IA y más en la disciplina de ingeniería que la rodea. Dael Williamson, director de tecnología de Databricks para EMEA, señala que el debate ha evolucionado.

«Para las empresas de toda la región EMEA, la conversación ha pasado de la experimentación con la IA a la realidad operativa», afirma Williamson. «Los agentes de IA ya están ejecutando partes críticas de la infraestructura empresarial, pero las organizaciones que ven el valor real son aquellas que tratan la gobernanza y la evaluación como fundamentos, no como ideas secundarias».

Williamson destaca que la ventaja competitiva está volviendo a centrarse en cómo construyen las empresas, en lugar de simplemente en lo que compran.

«Las plataformas abiertas e interoperables permiten a las organizaciones aplicar la IA a sus propios datos empresariales, en lugar de depender de funciones de IA integradas que ofrecen productividad a corto plazo, pero no diferenciación a largo plazo».

En mercados altamente regulados, esta combinación de apertura y control es «lo que separa los proyectos piloto de la ventaja competitiva».

Véase también: Anthropic seleccionada para crear un programa piloto de asistente de IA para el gobierno

¿Quiere saber más sobre la IA y el big data de la mano de los líderes del sector? Eche un vistazo a la AI & Big Data Expo que se celebra en Ámsterdam, California y Londres. Este completo evento forma parte de TechEx y se celebra junto con otros eventos tecnológicos destacados, como la Cyber Security & Cloud Expo. Haga clic aquí para obtener más información.

AI News está impulsado por TechForge Media. Explore aquí otros eventos y seminarios web sobre tecnología empresarial que se celebrarán próximamente.