Los agentes de IA ya son una línea del estado de resultados
Hay una diferencia que pocas organizaciones han procesado del todo: un asistente de IA espera que le hablen. Un agente actúa solo. Esa distinción, que parece técnica, arrastra consecuencias económicas y psicológicas que están redefiniendo cómo los ejecutivos piensan sus presupuestos de tecnología y, más silenciosamente, cómo sus equipos sienten el trabajo.
Rahul Tikoo, vicepresidente senior y director general de la unidad de negocio de clientes en AMD, lo formuló de manera precisa en una conversación reciente con Forbes: los asistentes de IA entregaron mejoras de productividad del orden del 20% al 30%. Los agentes, según su proyección, multiplicarán ese resultado por un factor que aún no tiene un techo claro. La diferencia no es de grado. Es de arquitectura, de gobernanza y, sobre todo, de economía operativa.
Lo que hace interesante el momento no es que AMD haya dicho algo nuevo sobre la inteligencia artificial. Es que la conversación llegó a un territorio que la mayoría de los fabricantes de hardware evita con cuidado: los costos por empleado de correr flujos de trabajo agénticos ya se miden en cientos o miles de dólares anuales, y eso ya es un ítem visible en el estado de resultados de muchas corporaciones. No es una promesa futura. Es un problema de margen que los directores financieros están mirando hoy.
Cuando el token se vuelve un problema de tesorería
Para entender por qué esto importa más allá del marketing de producto, conviene entender cómo funciona la economía de los agentes. Un chatbot consume tokens en una sola dirección: el usuario pregunta, el modelo responde. Un agente autónomo ejecuta múltiples pasos, consulta herramientas, genera sub-tareas, evalúa resultados intermedios y vuelve a iterar. Cada uno de esos pasos consume tokens. Si un intercambio con un asistente tradicional cuesta fracciones de centavo, un flujo de trabajo agéntico complejo puede costar varios dólares por ejecución. Cuando eso se multiplica por cientos de empleados y miles de ejecuciones diarias, el gasto mensual en inferencia de nube puede escalar a una cifra que compite con otras líneas del presupuesto operativo.
Tikoo lo nombró con una franqueza poco habitual para un ejecutivo de hardware: las empresas están hablando de esto en sus juntas directivas. Esa frase revela algo más que un dato comercial. Revela que la adopción de agentes de IA ya cruzó el umbral en el que deja de ser una discusión del área de tecnología para convertirse en una discusión del área financiera. Y cuando el CFO entra a la conversación, la lógica de compra cambia completamente.
Aquí es donde el análisis conductual se vuelve relevante. Las organizaciones que adoptaron chatbots lo hicieron en gran medida porque el costo marginal era bajo y el riesgo percibido era contenido. El usuario experimentaba con la herramienta, generaba o no valor, y el impacto en el presupuesto era difuso. Con los agentes, ese paraguas desaparece. Cada despliegue agéntico tiene una huella económica medible. Eso genera un tipo de fricción nueva: la fricción de la accountability. Los líderes de tecnología ahora tienen que justificar no solo que el agente funciona, sino que el costo por tarea justifica el desplazamiento de otro recurso. Esa justificación es más difícil de construir de lo que parece, porque obliga a medir productividad en contextos donde históricamente no se medía.
La arquitectura híbrida que propone AMD, procesamiento local en dispositivos con capacidad agéntica combinado con modelos de frontera en la nube para tareas complejas, responde precisamente a esa presión financiera. Si una porción significativa de los flujos de trabajo puede correr localmente, el costo de inferencia en nube se reduce de manera proporcional. No es una solución técnica elegante por sí sola. Es una respuesta directa a un problema de margen que los comités ejecutivos están discutiendo con urgencia creciente.
El miedo que nadie nombra en la reunión de adopción
Tikoo identifica dos malentendidos frecuentes sobre la IA agéntica. El primero es que los agentes son chatbots más sofisticados. El segundo es que la inteligencia del modelo es el obstáculo principal. Tiene razón en ambos casos, pero ninguno de los dos toca el problema de adopción más profundo.
La resistencia real a los agentes autónomos en las organizaciones no viene de quien no entiende la tecnología. Viene de quien la entiende perfectamente. Un desarrollador senior que ha pasado años construyendo su valor profesional alrededor de la capacidad de resolver problemas complejos no experimenta un agente de código como una herramienta de productividad. Lo experimenta como una redefinición de qué es lo que él aporta. Esa es una amenaza de identidad, no una fricción técnica, y responde de manera diferente a los argumentos racionales.
Lo mismo ocurre en servicios profesionales. Tikoo menciona el caso de médicos y abogados que podrían liberar tiempo de tareas administrativas usando agentes. El argumento es impecable desde la perspectiva del valor. Pero la práctica clínica o legal tiene una dimensión de control y criterio que muchos profesionales no quieren delegar, no porque desconfíen de la tecnología, sino porque la delegación altera su comprensión de qué significa hacer bien su trabajo. La adopción no falla por falta de información. Falla cuando la herramienta toca algo que el profesional no quiere que sea tocado.
Este patrón tiene consecuencias prácticas para cómo las organizaciones deberían pensar sus pilotos de IA agéntica. El consejo estándar, que Tikoo también ofrece, es identificar flujos de trabajo con alta carga repetitiva y bajo valor estratégico. Es un punto de partida correcto, pero incompleto. Los flujos de trabajo que parecen puramente administrativos desde afuera frecuentemente son percibidos como marcadores de estatus o de control desde adentro. Quien gestiona las aprobaciones, quien sintetiza la información antes de una reunión ejecutiva, quien coordina los seguimientos entre equipos, no siempre está realizando tareas que quiere automatizar. A veces está ejerciendo influencia.
Desplazar esas tareas a un agente no elimina la fricción política. La concentra. Y si la organización no tiene un diseño claro de cómo se redistribuye la autoridad de hecho después de la automatización, el piloto produce métricas de productividad positivas y resistencia organizacional paralela que ninguna métrica captura.
La infraestructura como señal psicológica hacia adentro
Hay una dimensión del argumento de AMD que vale la pena examinar más allá de su lógica financiera. La empresa no solo está vendiendo hardware capaz de correr modelos localmente. Está argumentando que el dispositivo del empleado debe ser considerado un nodo estratégico de la infraestructura de IA de la empresa, no un periférico.
Esa reconfiguración conceptual importa porque tiene efectos sobre cómo las personas dentro de la organización interpretan la herramienta. Un empleado que trabaja con un dispositivo que la empresa ha designado explícitamente como parte de su arquitectura de inteligencia artificial percibe algo diferente que uno que usa un chatbot en el navegador. La señal institucional cambia. La inversión visible del empleador en la capacidad computacional del dispositivo personal comunica algo sobre la seriedad del compromiso y sobre el rol esperado del trabajador en ese ecosistema.
Esto no es un argumento de branding interno. Es una observación sobre cómo los humanos calibran sus propias expectativas de adopción en función de las señales que reciben de su organización. Cuando la empresa trata la herramienta como estratégica, el empleado tiende a tratarla como estratégica. Cuando la empresa la ofrece como un beneficio optativo o como un experimento, el empleado la trata como un accesorio descartable.
La discusión sobre CPU como plano de orquestación, NPU para eficiencia, GPU para rendimiento y memoria expandida para modelos locales grandes, que Tikoo detalla con precisión técnica, tiene un efecto secundario que rara vez se analiza: construye un vocabulario compartido de infraestructura que eleva la conversación interna sobre IA del nivel de "herramienta de productividad" al nivel de "arquitectura de negocio". Ese vocabulario no es neutral. Cambia quiénes participan en las decisiones, qué argumentos se consideran válidos y qué tipo de resistencia puede formularse legítimamente.
Las industrias que Tikoo menciona como primeras en adoptar, desarrollo de software, atención al cliente, servicios profesionales, comparten una característica: son sectores donde la productividad individual es medible con relativa facilidad y donde la presión competitiva sobre el talento es alta. Eso facilita el argumento económico. Pero también son sectores donde la identidad profesional está especialmente cargada, donde el desempeño personal es visible y donde la comparación entre colegas con y sin agentes puede generar dinámicas de presión que la organización no siempre gestiona bien.
El costo que nadie presupuestó en el piloto
La paradoja central del momento agéntico es esta: las organizaciones que se muevan lento en adopción corren el riesgo de acumular desventaja competitiva frente a quienes estén capturando multiplicadores de productividad significativos. Las que se muevan rápido sin atender la arquitectura psicológica interna corren el riesgo de producir pilotos exitosos en papel que no escalan, porque la adopción real nunca se consolidó debajo del dato de uso.
Tikoo ofrece un consejo operativo sensato: empezar por identificar dónde la IA ya genera valor, priorizar un conjunto acotado de casos de uso medibles, construir las bases de gobernanza antes de escalar. Esa secuencia es correcta desde la perspectiva de gestión del cambio tecnológico. Pero hay un elemento que ningún mapa de adopción tecnológica suele incluir: el tiempo que tarda una organización en redefinir internamente qué significa hacer un trabajo bien después de que un agente asume parte de ese trabajo.
Esa redefinición no es automática ni indolora. Requiere que los líderes tengan conversaciones explícitas sobre qué se espera ahora del juicio humano, qué decisiones el agente no puede tomar y por qué, y cómo se evalúa el desempeño de alguien cuyo trabajo se volvió parcialmente invisible porque el agente lo ejecuta. Sin esas conversaciones, la adopción produce una brecha entre el comportamiento oficial, "usamos agentes", y el comportamiento real, "los dejamos correr en segundo plano mientras hacemos las cosas como siempre".
El dato de que los costos agénticos ya aparecen en el estado de resultados de muchas corporaciones es, en este sentido, una señal ambivalente. Significa que la inversión ya ocurrió. No significa necesariamente que el valor se está capturando. La distancia entre esos dos puntos es exactamente donde vive la fricción que nadie nombra en las presentaciones de adopción, y es la misma fricción que determinará cuáles organizaciones convierten el gasto en ventaja y cuáles lo convierten en una línea de costo que nadie sabe bien cómo justificar ante la próxima junta.
