Nueve de cada diez organizaciones planean avanzar hacia operaciones autónomas en dos años, pero la mayoría carece de infraestructura y mantiene el veto humano.
Nueve de cada diez empresas declaran que quieren avanzar hacia operaciones de TI autónomas en los próximos dos años, según datos recientes de Help Net Security. El objetivo es delegar tareas multietapa en agentic AI — software que planifica y ejecuta procesos de forma independiente, sin intervención humana en cada paso. Pero el mismo relevamiento revela una contradicción estructural: el 77% de esas organizaciones admite que su propia empresa duda en permitir que la IA tome decisiones operacionales sin aprobación humana previa. La brecha entre la aspiración declarada y la confianza real en la tecnología define el estado actual de la automatización en infraestructura crítica.
Autonomía con asterisco: el modelo que la mayoría contempla
La mayoría de las empresas que buscan autonomía no está pensando en delegar decisiones de forma irrestricta. El modelo que contemplan mantiene un punto de aprobación humana en el flujo de decisión: la IA propone, analiza y prepara la acción, pero un operador tiene que autorizar la ejecución antes de que se concrete. Es un esquema híbrido que preserva el control final en manos humanas, incluso cuando el análisis previo lo haga un agente de software.
El problema es que pocas organizaciones tienen la infraestructura necesaria para implementar incluso ese modelo con supervisión. La autonomía parcial requiere sistemas de observabilidad en tiempo real, políticas de autorización granulares, trazabilidad de decisiones y capacidad de rollback automático si algo falla. Sin esa base, el punto de aprobación humana se convierte en un cuello de botella que anula la ganancia de velocidad que justifica la automatización en primer lugar.
Por qué la desconfianza persiste incluso con supervisión
La resistencia a dejar que la IA actúe sin aprobación humana no es solo cultural. Refleja experiencias concretas con sistemas de automatización que tomaron decisiones correctas según su lógica interna pero desastrosas en contexto operacional real. Un agente de IA puede decidir reiniciar un servicio degradado en horario de menor carga sin saber que ese horario coincide con el cierre de mes contable en tres países de la región. Puede escalar recursos en la nube para absorber un pico de tráfico sin detectar que ese pico es un ataque DDoS y que escalar solo amplifica el costo del incidente.
El 77% que duda no está rechazando la tecnología por principio. Está reconociendo que los sistemas actuales de agentic AI carecen de contexto de negocio suficiente para tomar decisiones operacionales sin riesgo de efectos secundarios no previstos. La aprobación humana funciona como una capa de contexto que el software todavía no puede replicar de forma confiable.
El dilema de infraestructura que frena la adopción en América Latina
En América Latina, la brecha entre aspiración y capacidad real es más pronunciada. La mayoría de las organizaciones de la región opera con infraestructura híbrida fragmentada — combinaciones de on-premise legacy, nube pública de múltiples proveedores y SaaS sin integración centralizada. Implementar autonomía con supervisión en ese entorno requiere unificar telemetría, estandarizar APIs de control y construir planos de orquestación que hoy no existen. Sin esa base, el modelo de aprobación humana se convierte en un proceso manual disfrazado de automatización: la IA genera la recomendación, pero un operador tiene que validarla contra sistemas que no están integrados, lo que elimina la ventaja de velocidad.
El problema no es solo técnico. Es también de madurez organizacional. Pocas empresas en la región tienen definidos los límites de autoridad para decisiones automatizadas: qué puede decidir un agente sin aprobación, qué requiere validación de un ingeniero senior, qué necesita escalamiento a gerencia. Sin esa taxonomía clara, cada decisión de la IA se convierte en un caso ad hoc que requiere intervención humana por defecto, no por diseño.
Nuestro análisis
La contradicción entre el 90% que quiere autonomía y el 77% que no confía en dejar que la IA decida sola no es una inconsistencia de las empresas. Es una lectura realista de dónde está la tecnología hoy. Los sistemas de agentic AI actuales son buenos en tareas acotadas con reglas claras — provisionar un servidor, ajustar un threshold de alerta, ejecutar un runbook predefinido. Pero fallan en decisiones que requieren contexto de negocio, evaluación de trade-offs entre objetivos en conflicto o anticipación de efectos secundarios en sistemas interdependientes. La aprobación humana no es resistencia al cambio: es el reconocimiento de que el software todavía no tiene el modelo mental necesario para operar infraestructura crítica sin supervisión.
El dato más revelador no es la desconfianza, sino la falta de infraestructura incluso para el modelo híbrido. Si la mayoría de las empresas no puede implementar autonomía con supervisión humana, el problema no es la IA — es la deuda técnica acumulada en observabilidad, integración y gobierno de decisiones automatizadas. Resolver eso lleva años, no trimestres. Mientras tanto, la pregunta que queda abierta es si las organizaciones van a invertir en construir esa base o si van a seguir declarando que quieren autonomía sin crear las condiciones para que funcione de forma segura.