VentureBeat ha publicado los resultados de una encuesta a 101 empresas de más de 100 empleados, realizada en junio por VB Pulse. El dato central: el 57% de esas empresas ha visto a un agente de IA dar una respuesta equivocada con total seguridad, y en el 31% de los casos ha pasado más de una vez.
La causa no es el modelo. Es la falta de lo que el estudio llama una capa de contexto de negocio: una definición compartida de qué significan los datos de la empresa, construida una vez y consultada siempre igual, en lugar de que cada agente la reinvente por su cuenta.
Para Marta y para Carla esto cambia la pregunta que hay que hacerse antes de escalar agentes de IA en el equipo. No es qué modelo uso, es qué va a entender ese agente sobre nuestros clientes, nuestro stock o nuestro CRM, y de dónde saca esa información. Ahora mismo, solo el 25% de las empresas encuestadas tiene esa capa en producción; el 34% la está construyendo y el 41% no ha empezado.
El patrón tiene un matiz incómodo: entre las empresas que ya construyen o usan una capa de contexto, el 78% reconoce haber sufrido una respuesta confiada y equivocada. Entre las que no tienen ningún plan, solo el 20% lo admite. La lectura razonable no es que la capa de contexto falle más, es que solo se construye después de que el problema ya ha costado dinero o un cliente.
El estudio no dice cuánto cuesta montar esa capa ni cuánto tiempo de un equipo de datos exige mantenerla actualizada. Para una empresa mediana sin ese equipo, la limitación no es técnica: es que alguien tiene que decidir y documentar qué significa cliente activo o pedido urgente antes de dejar que un agente actúe sobre ello.
Qué hacer ahora: antes de dar más autonomía a un agente de IA en un proceso con clientes o proveedores, dedica una sesión a escribir las definiciones que ese agente va a usar, qué es un cliente moroso, qué es una entrega urgente, y revisa quién las mantiene actualizadas. Es más barato que corregir la respuesta después.