Aproximadamente cada década, la forma en que las empresas se organizan cambia de manera discreta, no a través de grandes anuncios, sino mediante una serie de decisiones acumuladas que de repente revelan un nuevo patrón. Lo vimos con la transformación digital en la década de 2000, cuando data la conectividad se convirtieron en la base de la empresa moderna. Luego llegó la revolución ágil, que redefinió la forma en que los equipos colaboran, iteran y aportan valor. Cada cambio no solo modificó las herramientas o los procesos, sino que transformó lo que creíamos posible sobre el trabajo en sí mismo.
Ahora se está gestando otro punto de inflexión. Estamos entrando en la era de las organizaciones híbridas agentivas: empresas diseñadas en torno a un ecosistema compartido de inteligencia humana y artificial. Los seres humanos aportan creatividad, empatía y criterio. Los agentes aportan precisión, memoria y velocidad. Juntos, forman un nuevo tipo de inteligencia híbrida que aprende, se adapta y escala de formas que las organizaciones tradicionales simplemente no pueden. La cuestión ya no es si este cambio se producirá, sino si lo diseñaremos con la suficiente reflexión para que funcione a nuestro favor y no al revés.
La plantilla como sistema de inteligencia compartida
AI dejado atrás la idea de ser solo una «herramienta». Las herramientas esperan a que las utilicen; los agentes participan. Se integran en tus flujos de trabajo, colaboran de forma asincrónica, intervienen en debates e incluso toman microdecisiones dentro de unos límites definidos. No se limitan a procesar, sino que entienden suficiente contexto como para actuar. Ese sutil cambio lo transforma todo en cuanto a cómo se diseña, gestiona y mide el trabajo.
Aquí es donde surge una nueva disciplina de gestión: la gestión de recursos agenticos: la práctica de coordinar conjuntamente la inteligencia humana y la de las máquinas. Los líderes ya no gestionan solo el personal; gestionan la capacidad cognitiva. Deciden qué tipo de inteligencia aplicar a cada problema, equilibrando la creatividad con el cálculo, la intuición con la automatización.
La gestión de una plantilla híbrida ya no consiste en dividir el trabajo, sino en diseñar patrones de interacción: cuándo confiar en la máquina, cuándo guiarla y cuándo anularla. Los límites, la transparencia y el propósito compartido cobran tanta importancia como los indicadores de rendimiento. Los líderes más exitosos serán aquellos que no se limiten a delegar tareas, sino que dirijan sistemas de inteligencia, asegurándose de que las capacidades humanas y de los agentes se potencien mutuamente en lugar de competir entre sí.
En realidad, lo más difícil de esta transición no será la tecnología en sí misma, sino desarrollar la capacidad organizativa necesaria para diseñar entornos en los que las personas y las máquinas puedan colaborar de verdad como iguales en cuanto a objetivos, y no solo por estar cerca.
Tres modos de trabajo: manual, aumentado y autónomo
A medida que se va configurando este nuevo panorama, resulta útil pensar en el trabajo como algo que se articula en torno a tres modalidades interdependientes:
- El trabajo manual sigue estando totalmente impulsado por el ser humano, donde el criterio, la empatía y la ética son lo más importante, y donde la intuición supera a las reglas. Estos son los contextos en los que la complejidad se resiste a la codificación, y la capacidad de las personas para captar los matices crea un valor insustituible.
- El trabajo aumentado se sitúa en un término medio, donde la inteligencia humana y la artificial operan en tándem. En este caso, los agentes apoyan el razonamiento humano aportando información, automatizando subrutinas o ejecutando simulaciones, mientras que los humanos mantienen el control de la dirección, el contexto y la decisión final. Esta es la zona de colaboración donde la creatividad y el cálculo se fusionan en un ritmo compartido.
- El trabajo agencial implica una ejecución autónoma, en la que los agentes operan de forma independiente dentro de límites explícitos y rinden cuentas a través de una gobernanza transparente. Estos procesos no son del tipo «configurar y olvidar», sino que se supervisan continuamente, y son las personas las que definen los límites morales y estratégicos de lo que es aceptable. El trabajo agencial amplía la capacidad, pero solo se escala de forma sostenible cuando se basa en la rendición de cuentas.
El futuro no consistirá en que un modo sustituya a otro. Será una combinación dinámica de los tres. Un proceso puede comenzar siendo manual, evolucionar hacia una colaboración aumentada y, finalmente, convertirse en autónomo a medida que aumenta la confianza. Las organizaciones más adaptables serán aquellas que consideren estas transiciones como algo fluido, iterativo y estratégico; no como una automatización por el mero hecho de ganar en eficiencia, sino como una arquitectura de inteligencia para obtener una ventaja sostenible.
El paso de data maestros data la gestión del contexto empresarial
Si la era digital se construyó sobre el dominio data, la era de la agencia se construirá sobre el dominio el contexto, y esa distinción lo cambia todo. Data nos Data qué ha pasado; el contexto explica por qué es importante, en qué condiciones y para quién. No es solo información, es el significado estructurado que permite a los sistemas inteligentes actuar con pertinencia y moderación.
A principios de la década de 2000, Data maestros unificó la información empresarial en una única fuente de verdad. Se trataba de una infraestructura esencial para la empresa data. Sin embargo, en el entorno actual, una «verdad» estática ya no es suficiente. Los sistemas agenticos requieren una gestión del contexto empresarial : un marco dinámico que rige cómo se interpreta, se comparte y se aplica la información en tiempo real. No se trata de canales que mueven data, sino de sistemas vivos que ayudan tanto a las personas como a los agentes a comprender cómo utilizar el conocimiento de forma responsable.
El contexto se presenta ahora como una estructura de múltiples capas. A nivel empresarial, codifica valores, políticas y principios. A nivel funcional, recoge reglas y flujos de trabajo específicos de cada ámbito. Y a nivel de agente, define el propósito, los permisos y los límites de comportamiento. En conjunto, estas capas permiten a los sistemas inteligentes razonar de forma coherente dentro de estructuras definidas por el ser humano, sin perder flexibilidad.
Para lograrlo, las organizaciones están empezando a diseñar lo que se conoce como la pila de contexto empresarial, una arquitectura fundamental que estructura, recupera y mantiene la inteligencia contextual en toda la empresa. Es lo que convierte AI aislados AI en un ecosistema cohesionado y regulado.
La pila de contexto empresarial
No lo veas como una arquitectura rígida, sino como un ecosistema vivo en el que cada capa hace posible la siguiente:
- Capa 1: Data . Aquí es donde reside la verdad operativa. data estructurados data Snowflake, BigQuery, Databricks. Aplicaciones en PostgreSQL, MongoDB. Flujos en tiempo real a través de Kafka, EventBridge, Kinesis. Y el mundo no estructurado: Confluence, Notion, SharePoint, Slack, Teams, GitHub. Los agentes necesitan ambas cosas: cifras y narrativas.
- Capa 2: Representación del conocimiento. Aquí es donde data sentido. Los modelos de incrustación como OpenAI, Cohere, Voyage AI, Mixedbread y Jina AI el texto en vectores semánticos en los que se pueden realizar búsquedas. Las bases de datos gráficas como Neo4j o PuppyGraph estructuran las relaciones entre conceptos. Los marcos de orquestación como LangChain, LlamaIndex, Dust y Haystack lo conectan todo, permitiendo a los agentes recuperar, razonar y deducir información en toda la empresa.
- Capa 3: Malla de contexto. Este es el tejido vivo que conecta todo en tiempo real. Las bases de datos vectoriales como Pinecone, Weaviate, Milvus y Qdrant gestionan la recuperación a gran escala. Los flujos de trabajo RAG recopilan el contexto relevante bajo demanda. Las capas de memoria como Zep, Redis o Graphiti permiten a los agentes conservar el conocimiento a lo largo de las interacciones. Es la capa que permite AI de forma continua, no transaccional. Es el contexto como una conversación viva, no una consulta estática.
- Capa 4: Gobernanza del contexto. A medida que el contexto crece, la gobernanza se convierte en la columna vertebral. Databricks Unity Catalog y OpenMetadata gestionan el linaje y los permisos. Vault o AWS KMS protegen los secretos. Elastic, Datadog y OpenTelemetry proporcionan observabilidad. Incluso el propio contexto tiene versiones: se controla a través de Git o DVC, lo que garantiza que cada solicitud, regla e instrucción pueda ser auditada y revertida. El cumplimiento normativo se rediseña para que los sistemas inteligentes sean rápidos, transparentes y explicables.
- Capa 5: Coordinación de agentes. Aquí es donde los agentes viven, colaboran y actúan. Marcos como LangGraph, CrewAI, AutoGen, OpenDevin y Swarm SDK permiten la colaboración entre múltiples agentes. Herramientas de flujo de trabajo como Temporal.io y Prefect coordinan los procesos de forma fiable. W&B, Humanloop, PromptLayer y LangSmith aportan la disciplina de LLMOps: evaluación, seguimiento y mejora continua. Kubernetes y Ray Serve aportan escalabilidad y resiliencia.
En conjunto, este conjunto de elementos representa un cambio fundamental: pasar del almacenamiento del conocimiento al mantenimiento un contexto vivo. Una arquitectura en la que el significado mismo se convierte en un recurso gestionado.
El auge del ingeniero de contexto
Si la ingeniería de prompts consistía en formular la pregunta adecuada, la ingeniería de contexto consiste en diseñar el entorno en el que opera la inteligencia. Los ingenieros de contexto definen lo que cada agente debe saber, cómo se desactualiza o actualiza el contexto y cómo fluye la información entre los sistemas. Trabajan en todas las capas de la pila, seleccionando, validando y ajustando los conocimientos que sustentan el comportamiento inteligente.
Son el puente entre la arquitectura y la alineación: en parte arquitectos de la información, en parte data y en parte diseñadores de sistemas. Su objetivo no es solo la eficiencia, sino la coherencia, garantizando que el contexto siga siendo preciso, ético y aplicable. Al igual que DevOps se convirtió en el tejido conectivo de la empresa ágil, la ingeniería de contexto se convertirá en la columna vertebral de la empresa agencial. Porque en un mundo en el que cada agente depende de un entendimiento compartido, gestionar el contexto no es un simple detalle técnico, sino la base misma de la confianza.
De la agilidad a la autonomía: gobernanza, confianza y seguridad
El método ágil ha agilizado a los equipos. Las organizaciones basadas en la agencia los harán inteligentemente escalables , pero solo si se basan en la confianza. Agile se centró en capacitar a los equipos humanos para adaptarse y entregar resultados rápidamente. Agentic amplía esa adaptabilidad a los sistemas de inteligencia, donde humanos y agentes colaboran dinámicamente en todas las funciones. La unidad de productividad pasa del sprint al sistema de orquestación. Los humanos se convierten en diseñadores y supervisores de redes de inteligencia, no solo en participantes de las mismas.
Pero la capacidad sin responsabilidad no es más que fragilidad encubierta. A medida que crece el número de entidades autónomas, la gobernanza y la confianza se convierten en la base de todo. Sin ellas, la autonomía se desmorona y da paso al caos. La innovación sin supervisión no es progreso, es irresponsabilidad. Las organizaciones basadas en agentes deben integrar la explicabilidad, la trazabilidad y la rendición de cuentas directamente en su arquitectura desde el principio. Cada decisión de cada agente debe quedar registrada, cada acción debe ser auditable y cada elemento del contexto debe estar controlado por versiones.
TRiSM (Gestión de la confianza, el riesgo y la seguridad) evoluciona de una lista de verificación de políticas a una disciplina operativa. La supervisión se automatiza. Se realiza un seguimiento continuo de los ciclos de vida de los modelos. Herramientas de control como Guardrails AI, Lakera y Azure Content Safety garantizan que la inteligencia se mantenga dentro de los límites éticos y normativos. Cuando se aplica correctamente, la gobernanza no frena la innovación, sino que la potencia. Porque solo la inteligencia de confianza puede escalar de forma segura. El verdadero reto que nos espera no es crear agentes potentes, sino construir ecosistemas responsables.
El camino a seguir
Convertirse en una organización híbrida y autónoma no consiste en sustituir a las personas, sino en potenciar lo que estas pueden lograr mediante una colaboración inteligente. El camino comienza con la preparación: una infraestructura, una gobernanza y una cultura que traten AI como una herramienta adicional, sino como un compañero de trabajo dentro del sistema. A partir de ahí, se trata de identificar los puntos óptimos: procesos en los que el juicio humano se une a la lógica repetible, donde los agentes pueden encargarse del trabajo pesado mientras los humanos se centran en la creatividad, la empatía y la estrategia.
La gestión del contexto lo sustenta todo. Es lo que garantiza que la inteligencia, ya sea humana o artificial, se mantenga alineada con la intención y se base en un propósito. Para 2028, la mayoría de las funciones empresariales incluirán al menos un proceso AI. El factor diferenciador no será quién utilice AI , sino quién organice la inteligencia con claridad y confianza.
No estamos entrando en la era de la automatización; estamos entrando en la era de la alineación. Agile nos hizo más rápidos. Agentic nos hará conscientes. Y en este nuevo paradigma, el recurso más valioso no serán data el capital: será el contexto. El contexto es lo que da sentido a la inteligencia, y el sentido es lo que mantiene a la tecnología humana. La verdadera transformación en marcha no es humanos contra máquinas, sino humanos diseñando con las máquinas, creando organizaciones en las que la inteligencia y la intención avancen juntas. Nuestra mayor ventaja competitiva no provendrá de las tecnologías que adoptemos, sino de la forma en que orquestemos cuidadosamente la colaboración entre la sabiduría humana y la capacidad de las máquinas.
