La IA no se instala una vez. Se opera todos los días.

Casi todas las empresas tratan la IA como tratan el software: se define, se construye, se instala y listo. Ni el software crítico funciona así; el ERP y las remuneraciones viven con control de cambios, monitoreo y soporte. El error es suponer que la IA necesita menos de esa disciplina, cuando necesita más.

Un sistema de remuneraciones calcula igual el tercer año que el primero, porque ejecuta instrucciones fijas. Un agente de IA interpreta todo el tiempo proveedores, documentos, políticas y sistemas que cambian, y si dejas de mirarlo, se desvía. No se va a caer. Va a empeorar despacio, muy seguro de sí mismo, y lo vas a notar cuando el daño ya esté en la contabilidad.

La IA se degrada porque juzga un mundo que cambia

Un sistema tradicional aplica sus reglas hasta que alguien las cambia a propósito. Un agente razona sobre cosas que cambian solas. El proveedor manda la factura en otro formato. Se actualiza una política. Una pantalla del ERP se mueve. Sale una ley nueva. El agente no se entera y sigue aplicando el patrón que aprendió, con la confianza de siempre.

En la industria esto se llama deriva (concept drift o behavioral drift), y es peligrosa porque nada parece romperse. El agente se ve sano mientras sus decisiones se pudren de a poco.

Una falla silenciosa se acumula a oscuras

Cuando se cae un servidor, alguien recibe una alerta a las dos de la mañana. Un agente que se desvía entrega respuestas plausibles y equivocadas, que pasan derecho por los controles que una caída habría activado. Si el monitoreo no se diseñó dentro de la operación, nadie se entera.

El error aparece cuando se suma: suben las excepciones, una conciliación deja de cuadrar, un informe de cumplimiento se lee raro. Para entonces el agente lleva semanas decidiendo mal. No arriesgas una caída que ves al tiro, sino un desgaste invisible que detectas tarde.

El trabajo del día dos que nadie presupuesta

Operar un agente en producción ya tiene nombre: AgentOps, que Microsoft e IBM formalizaron en 2026 como la gestión del ciclo de vida de la IA en producción. Incluye:

• monitoreo continuo de lo que el agente hace de verdad;

• detección temprana de deriva;

• ajustes de instrucciones y reentrenamiento cuando el mundo cambia;

• volver a gobernarlo cuando cambian las políticas y la regulación;

• respuesta a incidentes cuando se sale de la política;

• ajuste de costos y tokens a medida que sube el consumo.

Nada de eso se hace una vez. La instalación es donde el trabajo empieza. Un sistema tradicional falla fuerte y lo notas al tiro; un agente falla callado y lo notas cuando el daño ya se sumó.

Por qué casi nadie puede armar ese equipo

Operar bien un agente es una capacidad especializada que no descansa, y pocas empresas pueden justificar tenerla adentro. Gartner recomienda presupuestar hasta 10 veces el precio de una herramienta de IA en el trabajo que la rodea: datos, monitoreo, reentrenamiento y gestión del cambio.

Así las empresas terminan en uno de dos lugares malos. O no operan el agente y se degrada en silencio, o arman un equipo completo para operarlo, el costo escondido que deja chica a la licencia. El tercer camino es que alguien lo opere por ti, todo el tiempo, y responda por mantenerlo bien, no solo por dejarlo andando.

Es lo que le pedimos a un colaborador digital para merecer el nombre: tener un cargo, tener un jefe, dejar evidencia de todo, que esa evidencia se pueda auditar y que alguien responda cuando falla. Las cuatro primeras hacen visible la deriva; la quinta asegura que alguien la corrija. En Yunt, cada corrección del jefe entra al manual del cargo y no se repite, y detrás de cada colaborador hay un equipo que responde, como los mecánicos de turno de una aerolínea.

Cambia la pregunta

Deja de preguntar qué tan rápido puedes instalar IA y pregunta quién responde por operarla después del lanzamiento. Un lanzamiento es un momento; una operación es un compromiso. El valor de la IA se defiende cada día después de salir a producción, o se erosiona sin que nadie lo vea.

Gana el modelo en que instalar y operar son la misma responsabilidad, en manos de gente cuyo trabajo es mantener al agente en lo correcto mucho después de que se olvidó la demo. Es la diferencia entre una IA que lanzaste y una de la que puedes depender en un año más.

Fuentes

• Microsoft e IBM (2026), AgentOps.

• Gartner, costos asociados a herramientas de IA.