Un dato para empezar: el uso de agentes de IA en el trabajo casi se duplicó en un año, de 31% a 59% de los profesionales encuestados [1]. Pero casi ninguno de ellos le suelta la correa al agente.
Esa es la paradoja que documenta la última encuesta pulso de Stack Overflow, publicada en mayo de 2026 con respuestas de 1.100 desarrolladores y profesionales encuestados entre finales de abril [1]. La adopción explotó. La confianza, no tanto. Y para cualquiera que esté evaluando meter agentes en procesos comerciales o de marketing B2B, esa brecha entre "lo usamos" y "lo dejamos solo" es el dato que realmente importa.
Ya hemos hablado en este blog de la adopción real de agentes de IA en el trabajo desde una perspectiva general. Esta vez vale la pena quedarse con los números concretos de una sola encuesta, porque son inusualmente específicos sobre qué tanto control retienen los humanos.
¿Qué tan autónomos son realmente los agentes de IA en el trabajo?
Menos de lo que el marketing de las herramientas sugiere. Según Stack Overflow, el uso de agentes de IA casi se duplicó desde el año pasado, saltando de 31% a 59%, pero la toma total de control por parte de los agentes todavía no llega [1].
La cifra que resume mejor la actitud del mercado es esta: la autonomía total es un riesgo que los usuarios de agentes no están dispuestos a tomar. La mayoría (60%) de los encuestados bloquea a los agentes de hacer cambios de sistema no aprobados, y 68% prefiere configuraciones predecibles de un solo agente sobre configuraciones complejas multi-agente [1].
Dicho de otra forma: casi siete de cada diez profesionales que ya usan IA agéntica eligen deliberadamente el modelo más simple y más fácil de auditar, no el más potente en teoría. Y el 63% de los tecnólogos encuestados rara vez o nunca deja que los agentes corran completamente en piloto automático [1], incluso cuando ya los usan a diario.
La industria se está asentando en flujos de trabajo prácticos de un solo agente, donde la revisión humana sigue siendo el estándar de oro, no la excepción.
¿Single-agent o multi-agente? Los números no dejan dudas
La encuesta desagregó cómo se distribuye el uso real entre configuraciones:
| Configuración de agentes | % de uso actual | Frecuencia de uso diario |
|---|---|---|
| Un solo agente | 69% | 54% |
| Múltiples agentes especializados | 17% | 85% |
| Múltiples agentes superpuestos o coordinados | 16% | 77% |
Este contraste es el hallazgo más interesante del reporte: aunque hay menos personas usando múltiples agentes especializados, mucho menos múltiples agentes orquestados [1], los que sí se animan a coordinar varios agentes los usan a diario con mucha más frecuencia que los usuarios de un solo agente. Es decir, el multi-agente no es un modelo intermedio: o no se toca, o se vuelve parte central del flujo de trabajo diario.
Para quien ya usa un solo agente de forma habitual, las herramientas ganadoras son conocidas: el flujo de trabajo de un solo agente preferido por la mayoría de los encuestados (desarrolladores full-stack) es GitHub Copilot (65%) o Claude Code (50%) [1]. Los usuarios diarios de multi-agente, en cambio, se apoyan más en Claude Code (70%) combinado con frameworks propios como el SDK de OpenAI.
Si te interesa entender la mecánica detrás de por qué las organizaciones eligen restringir en lugar de expandir el alcance de un agente de IA, vale la pena revisar cómo funciona un harness: la capa de control que decide qué puede y qué no puede hacer un agente sin intervención humana. Publicamos un análisis completo sobre harness engineering para escalar agentes en B2B que profundiza en ese mecanismo.
¿Por qué la precisión y la seguridad siguen frenando la adopción total?
Porque, según los mismos encuestados, no han mejorado lo suficiente para justificar soltar el control. Los desarrolladores siguen siendo parte del proceso de codificación, y se han vuelto más escépticos sobre la precisión desde que empezaron a preguntarse por ella en 2023 [1].
Hay una mejora relativa, eso sí. La preocupación por la precisión bajó de 57% a 47% de quienes la consideran una barrera fuerte, y la preocupación por seguridad cayó de 56% a 44%. Pero ambas siguen siendo, por lejos, las dos objeciones principales frente al costo o la dificultad de integración. Curiosamente, quienes más desconfían no son los desarrolladores rasos sino los arquitectos de software y los estudiantes, mientras que los gerentes de ingeniería se muestran mucho más relajados al respecto.
Esto conecta directamente con algo que ya explorábamos en nuestro artículo sobre el riesgo real del comercio agéntico: la desconfianza no es un problema de percepción, es una respuesta racional a que los sistemas de monitoreo todavía tienen fallas documentadas. Investigación académica reciente sobre ataques de "agente como proxy" demuestra que incluso monitores de IA de escala frontera pueden ser evadidos por agentes con capacidades similares [2], lo cual explica por qué las empresas prefieren simplemente restringir el alcance del agente en lugar de confiar ciegamente en su supervisión automatizada.
¿Qué industrias están soltando más la correa?
No todas las industrias avanzan al mismo ritmo. Fintech y medios/publicidad lideran claramente el uso diario de agentes, por encima incluso del desarrollo de software:
| Industria | Uso diario de agentes de IA |
|---|---|
| Fintech | 55% |
| Medios y publicidad | 50% |
| Desarrollo de software | 44% |
| Transporte / cadena de suministro | 41% |
| Manufactura | 38% |
| Salud | 36% |
| Gobierno | 35% |
| Retail y consumo | 31% |
| Banca / servicios financieros | 31% |
Según el reporte, esta es la mirada a los datos detrás del boom de adopción, las herramientas que están ganando la carrera, y por qué industrias como fintech están liderando el impulso [1]. La explicación que da Stack Overflow tiene sentido: fintech está en un momento particular por la convergencia de mercados de predicción, criptomonedas entrando a instituciones financieras tradicionales y apuestas deportivas, todo negocio que depende de datos en tiempo real donde un agente puede sumar valor rápido sin necesariamente tocar sistemas críticos sin supervisión.
Para quien lidera equipos comerciales o de marketing en sectores B2B tradicionales (manufactura, retail, banca), la lectura es clara: la brecha entre 44% en software y 31% en retail o banca no es casualidad. Son sectores donde el costo de un error de un agente sin supervisión es alto y donde la gobernanza todavía está madurando.
¿Qué significa esto para quien lidera equipos comerciales o de marketing B2B?
Tres cosas prácticas se desprenden de estos números para cualquier gerente comercial evaluando meter agentes en su operación.
Primero, la resistencia a la autonomía total no es un problema de la tecnología, es una decisión deliberada de gobernanza. El 60% que bloquea cambios no aprobados no lo hace porque el agente no sea capaz, lo hace porque la organización todavía no tiene la capa de control necesaria para confiar en esa capacidad sin supervisión.
Segundo, el salto de single-agent a multi-agente no es gradual. Los datos muestran que quien se anima a coordinar varios agentes especializados los termina usando a diario con mucha más intensidad (85% de uso diario) que quien se queda en un solo agente (54%). Si tu organización va a dar ese salto, hay que dar el salto completo, con automatización de agentes bien diseñada, no a medias.
Tercero, la brecha por industria importa más que la brecha por rol. Un gerente comercial en fintech ya opera en un entorno donde el 55% de sus colegas usa agentes a diario. Uno en banca o retail tradicional todavía está en el 31%. Eso no es un problema de talento, es un problema de infraestructura de gobernanza que toma tiempo construir.
Conclusiones Clave
- La adopción casi se duplicó, pero la autonomía no: el uso de agentes de IA en el trabajo pasó de 31% a 59% en un año, pero 63% de los profesionales rara vez o nunca deja que un agente opere sin supervisión.
- El single-agent gana por preferencia, no por limitación técnica: 68% de los encuestados elige configuraciones de un solo agente en lugar de arquitecturas multi-agente más complejas.
- El multi-agente es todo o nada: quienes coordinan múltiples agentes especializados los usan a diario en 85% de los casos, muy por encima del 54% de los usuarios de un solo agente.
- Precisión y seguridad siguen siendo las barreras principales, aunque ambas bajaron respecto al año anterior (de 57% a 47% en precisión, de 56% a 44% en seguridad).
- Fintech y medios lideran la adopción diaria (55% y 50% respectivamente), por encima del propio desarrollo de software (44%).
- GitHub Copilot y Claude Code dominan el uso single-agent, mientras Claude Code lidera también entre los usuarios diarios de multi-agente.
- La correa no es temporal, es estructural: mientras no exista una capa de gobernanza confiable, las organizaciones seguirán optando por restringir el alcance del agente antes que ampliar su autonomía.
El control no es un obstáculo, es la estrategia
Los datos de Stack Overflow confirman algo que ya intuíamos: la conversación sobre agentes de IA en el trabajo dejó de ser sobre si adoptarlos y pasó a ser sobre cuánto control retener mientras se adoptan. Para una empresa B2B en Colombia o Latinoamérica evaluando dar el salto, la pregunta correcta no es "¿qué tan autónomo puede ser este agente?" sino "¿qué infraestructura de supervisión necesito antes de soltarle la correa?".
Si tu empresa está evaluando implementar agentes de IA en procesos comerciales o de marketing con el nivel de control que estos datos sugieren que es necesario, conversemos sobre automatización con agentes de IA y MCP.
Sobre el Autor
Juan Pablo Franco es consultor en marketing digital B2B, eCommerce y automatización con agentes de IA. Dirige Elefante, agencia de marketing digital, y publica sobre comercio agéntico, IA aplicada a negocios B2B y estrategia digital en su blog franco.com.co/blog. Trabaja con empresas industriales y distribuidores en Colombia y Latinoamérica.
Referencias
[1] Stack Overflow Blog. "Agents on a leash: Agentic AI remains mostly single-agent and monitored at work." Mayo 27, 2026. https://stackoverflow.blog/2026/05/27/agents-on-a-leash-agentic-ai-remains-mostly-monitored-at-work/
[2] Isbarov, J. y Kantarcioglu, M. "Bypassing AI Control Protocols via Agent-as-a-Proxy Attacks." arXiv. https://arxiv.org/html/2602.05066