¿Por qué las empresas están apagando agentes de IA que ya estaban en operación?

Durante los últimos dos años, la conversación sobre inteligencia artificial (IA) en las empresas giró alrededor de una misma pregunta: ¿cómo pasar de las pruebas piloto a la operación real? Sin embargo, conforme la tecnología comienza a integrarse en procesos críticos de atención al cliente, ventas, soporte y comunicación, una nueva interrogante emerge con fuerza: ¿qué ocurre cuando la IA ya está funcionando, pero deja de hacerlo de manera confiable? 

Tal cuestionamiento cobra relevancia a partir de los resultados del estudio The AI Production Paradox, elaborado por Sinch con base en una encuesta aplicada a 2,527 altos directivos de diez países y seis sectores económicos.

Dicha investigación encontró que el 62% de las organizaciones ya opera agentes de IA en producción, pero el 74% ha tenido que desactivar o revertir al menos uno de estos sistemas después de implementarlo debido a problemas relacionados con gobernanza, control o desempeño. 

La conclusión resulta particularmente relevante para las áreas de operaciones, tecnología y transformación digital; el principal desafío, ya no consiste en desplegar la IA, sino en garantizar que opere de forma segura, consistente y alineada con los objetivos del negocio una vez que entra en funcionamiento. 

¿En qué punto real está la IA en la logística de México y América Latina? 

El fin del "purgatorio de los pilotos" 

Durante años, diversas consultoras identificaron que la mayoría de las iniciativas de IA permanecían atrapadas en etapas experimentales; de hecho, investigaciones de McKinsey que señalan que dos terceras partes de las organizaciones continuaban en fases piloto durante 2025. 

Asimismo, Gartner estimó que el 50% de los proyectos de IA generativa eran abandonados después de la prueba de concepto; no obstante, los hallazgos de Sinch sugieren que, al menos en el ámbito de la comunicación con clientes, el problema evolucionó. 

Hoy, las empresas ya están desplegando agentes de IA en entornos reales; el reto, surge cuando estos sistemas deben operar de manera continua, responder adecuadamente a miles de interacciones, mantener contexto en múltiples canales y cumplir requisitos regulatorios y de seguridad. 

En otras palabras, la IA ha dejado de ser un proyecto de innovación para convertirse en un componente operativo que requiere monitoreo permanente. 

Cuando una IA entra en operación también puede fallar 

Uno de los hallazgos más llamativos del estudio es que las organizaciones con mayores niveles de madurez en gobernanza registran más reversiones o rollbacks. 

La tasa promedio de desactivación alcanza el 74%, pero aumenta hasta 81% entre las compañías con marcos de control más desarrollados. Lejos de representar un fracaso, el dato sugiere que estas organizaciones cuentan con mecanismos más sofisticados para detectar errores, comportamientos inesperados o riesgos potenciales. 

Daniel Morris, Chief Product Officer de Sinch, explica que las empresas más avanzadas no necesariamente experimentan menos problemas; simplemente son capaces de identificarlos antes que otras organizaciones. 

Este fenómeno refleja una realidad cada vez más común en las operaciones digitales: la automatización incrementa la velocidad de los procesos, pero también amplifica el impacto de cualquier error cuando los controles son insuficientes. 

IA y financiamiento: habilitadores críticos para integrar a más mujeres exportadoras

El nuevo costo operativo de la IA 

A medida que la adopción empresarial se acelera, una parte significativa de los recursos tecnológicos comienza a desplazarse hacia actividades de supervisión y cumplimiento. 

Según el estudio, el 76% de las organizaciones invierte en confianza, seguridad y cumplimiento normativo, una proporción superior al 63% que destina recursos al desarrollo de IA. 

Además, el 84% de los equipos de ingeniería relacionados con IA dedica al menos la mitad de su tiempo a tareas vinculadas con infraestructura de seguridad y control. 

Esta situación evidencia un cambio relevante en la gestión tecnológica; conforme los sistemas de IA adquieren mayor autonomía, las organizaciones necesitan fortalecer procesos de auditoría, monitoreo, trazabilidad y gestión de riesgos. 

En términos operativos, la gobernanza comienza a convertirse en una nueva capa de infraestructura empresarial. 

La infraestructura emerge como el verdadero diferenciador 

Quizá uno de los hallazgos más importantes del informe es que la infraestructura de comunicaciones aparece como el principal predictor del éxito de la IA en producción.  

La investigación encontró que la satisfacción con la infraestructura supera incluso a los niveles de inversión y a la madurez de los sistemas de control como factor determinante para lograr implementaciones exitosas. Asimismo, el 87% de las organizaciones considera que una infraestructura de alto desempeño es esencial o muy importante para el funcionamiento de sus programas de IA. 

No obstante, la mayoría de las empresas reconoce limitaciones en sus plataformas actuales; más de la mitad (55%), está construyendo infraestructura personalizada para gestionar el contexto omnicanal, mientras que el 86% ha evaluado o evalúa activamente nuevos proveedores de comunicaciones. 

Para las áreas de supply chain digital, experiencia del cliente y operaciones tecnológicas, el mensaje es claro: la competitividad de la IA no dependerá únicamente de los modelos o algoritmos utilizados, sino de la capacidad para integrarlos de forma confiable dentro de ecosistemas complejos de datos, aplicaciones y canales de interacción. 

De datos a decisiones: cómo la IA transforma la prevención de riesgos en operación 

México acelera mientras avanza la regulación 

La creciente adopción de IA coincide con el desarrollo de nuevos marcos regulatorios a nivel internacional. 

El comunicado destaca la entrada en vigor de la norma ISO/IEC 42001, considerada el primer estándar global para sistemas de gestión de inteligencia artificial. Entre sus principios centrales se encuentra la necesidad de mantener supervisión humana en decisiones críticas y establecer mecanismos claros de responsabilidad organizacional. 

Mientras tanto, la adopción de IA en México continúa expandiéndose; de acuerdo con datos citados de EY, el 94% de las personas encuestadas afirma utilizar inteligencia artificial en actividades cotidianas y el 24% ya ha experimentado con sistemas de IA autónoma durante los últimos seis meses. 

La combinación de mayor adopción y mayor regulación anticipa un escenario en el que las empresas deberán equilibrar innovación, control y cumplimiento normativo. 

 El desafío ya no es implementar IA 

La paradoja que revela el estudio de Sinch es que el éxito de la IA empresarial ya no se mide únicamente por cuántos proyectos llegan a producción; la verdadera prueba, comienza después del despliegue. 

Las organizaciones están descubriendo que operar agentes de IA a escala implica construir capacidades de supervisión, infraestructura y gobernanza tan robustas como los propios modelos que los impulsan. Por ello, mientras el 98% de las empresas planea aumentar sus inversiones en IA durante 2026, el foco de atención parece desplazarse de la innovación hacia la resiliencia operativa. 

En este nuevo escenario, la pregunta estratégica ya no es quién implementará primero la IA, sino quién será capaz de mantenerla funcionando de forma segura, confiable y sostenible en el largo plazo.