El sábado pasaron por el feed dos posts que dicen lo mismo desde ángulos opuestos. Aaron Levie publicó un hilo en X el 3 de mayo (414.8K vistas) sobre la complejidad real de implementar agentes en empresas. Un día antes, Daniel Miessler publicó “Most Companies Aren’t Anywhere Near Ready for AI” (465.4K vistas). Casi 880 mil vistas combinadas en 48 horas.

Levie hace la lista técnica: que el agente hable con tus datos sin filtrar credenciales, que tenga scopes y logs, que los procesos estén documentados en un formato que pueda leer, que mantengas evals para los workflows críticos. Miessler dice lo incómodo: la mayoría de empresas ni siquiera puede contestar “¿cuál es el problema que resuelven para los clientes?” sin agendar tres reuniones. Levie describe el síntoma. Miessler describe la causa.

El número que nadie citó del hilo de Levie

Entre 200+ respuestas, una cita-tweet de Tanmai Gopal dejó la frase que el feed pasó por alto: “AI native teams replace legacy teams. And these teams are 1/10th the size” (los equipos nativos en IA reemplazan a los legacy, y son 10 veces más pequeños). Y el retorno, agregó, “shareholders cannot resist” (los accionistas no se van a resistir).

10X. Una empresa de 800 personas que se rediseña con agentes nativos queda en 80. La de al lado, del mismo tamaño, no se atreve y se queda con 800. Esa asimetría llega antes de que el comité ejecutivo termine de ponerle nombre. Y el orden importa: solo se rediseña la empresa que sabe describirse a sí misma. La que no se conoce no termina con 80; termina con 800 personas más impresionantes haciendo lo mismo de antes.

El coro que pinta el mismo agujero

Aparte de Tanmai, los hilos están llenos de gente que ya intentó este trabajo y se golpeó contra el mismo muro:

• Trace Cohen: “This is giving my corporate enterprise PTSD” (esto me trae el TEPT corporativo). El primer paso, lograr que los sistemas se hablen entre sí, ya es casi imposible: stacks vencidos, infra mala, silos, y la mitad de la gente que lo construyó ya no está. Cuando alguien cita TEPT corporativo, no exagera.
• Jatin Garg señaló la parte más difícil de la lista: “most enterprises don’t have their processes documented for humans, let alone agents. the documentation gap is older than AI” (la mayoría de empresas no tiene los procesos documentados para humanos, mucho menos para agentes. El gap de documentación es más viejo que la IA).
• Haroon Choudery dejó la confirmación operativa: “demand is through the roof” en seeko.so (la demanda está por las nubes). seeko.so vende exactamente esto: encontrar los workflows que comen tiempo y armar el sistema IA que los automatiza. La oferta está. La demanda está. El cuello vive entre las dos: traducir lo que la empresa hace en algo que un agente pueda ejecutar.
• Paul Graham citó a Miessler con una palabra de comentario: “Solution: New companies.” El atajo cínico. Si las empresas existentes no se describen, la IA no las usa y nuevas empresas ocupan el espacio. Si Paul Graham tiene razón, tu empresa no compite con OpenAI; compite con la versión de tu negocio que dos exalumnos de YC armaron en seis meses.

Y Miessler dejó la línea que ningún consultor pondría en una propuesta: las empresas son “haphazardly successful despite themselves” (exitosas por accidente, a pesar de sí mismas), y la IA “could even make it worse — because now it helps people flail more impressively” (las puede empeorar, porque ayuda a la gente a manotear de forma más impresionante).

Cinco ciclos desde 1990. Mismo pecado arquitectónico cada vez.

Llevo 36 años en computación. Empecé en 1990, a los 15 años, con una Commodore 64 y una Texas Instruments. He visto la misma escena cinco veces. La empresa que podía describir sus procesos en una pizarra hacía el proyecto en plazo. La que no podía pagaba 3x y terminaba con deuda técnica el día que prendía el sistema.

Finales de los 90 — implementaciones ERP. SAP, Oracle, JD Edwards. Quien podía dibujar su flujo de orden-a-cobro hacía un proyecto de 9 meses. Quien no podía hacía uno de 27 meses, con dos consultoras compitiendo y una customización Frankenstein que mantener para siempre. La diferencia no era el ERP. Era describir los procesos antes de meterlo.

Inicio de los 2000 — rollouts SAP en Latinoamérica. Misma historia. La consultora cobraba por la indecisión del cliente, no por el software. Una empresa que no podía decidir cómo pagaba comisiones le pagaba al consultor por dos años de talleres antes de tocar la primera tabla.

Mediados de los 2000 — CRM. Salesforce llegó a empresas que no podían definir “lead calificado” sin tres semanas de discusión. Compraron Salesforce. Tres años después tenían el mismo problema, con una herramienta más cara y un campo custom para cada equipo. El producto no era el problema.

Década de 2010 — migraciones cloud. Lift-and-shift dominó porque las empresas no podían articular qué hacían sus workloads. Mover la VM al data center de Amazon no es transformación; es renta. Pero salió porque era lo único posible sin entender los workloads primero.

2020s — agentes. Levie y Miessler están describiendo el mismo pecado arquitectónico, ciclo cinco. La empresa que no se conoce termina con un comité, dos consultoras, un POC que funciona la primera vez y nunca más, y la misma operación de antes con un chatbot pegado encima.

Cinco ciclos, mismo error. La diferencia esta vez es la compresión: la factura llega en meses, no en años. La IA no cambió el patrón. Apretó el cronómetro.

Lo que IQ Source hace antes de que llegue el agente

AI Maestro es la auditoría de preparación que tu empresa hace antes de que llegue el primer agente. Si tu empresa no puede describirse, AI Maestro la describe primero: qué procesos están documentados al nivel que un agente los puede usar, dónde viven los datos críticos y quién es dueño, qué control de acceso necesita una identidad de agente, y qué workflows tienen un eval real (no un demo de PowerPoint). Es la versión que tú haces de tu empresa antes de que un proveedor la haga por fuera.

Socio Tecnológico entra cuando tu empresa no es solo cliente del problema sino productor. Empresas de software cuyo producto vive en zona crítica desde el día uno tienen dos preguntas de gobierno: cómo manejar la dependencia de un proveedor de modelos, y cómo la documentación de procesos del cliente se vuelve parte de tu propio entregable. Las dos requieren ingeniería que viva en el codebase, no en slides del comité.

El 24 de marzo escribí que IQ Source recomienda saltarse IA en 4 de cada 10 engagements. Esta es la otra cara: en los 6 donde sí aplica, la diferencia entre el proyecto que entrega y el que se queda en POC es lo que Levie listó y Miessler diagnosticó. Y la jugada de Microsoft de la semana pasada empuja en la misma dirección: el control plane de Agent 365 audita lo que tus agentes hacen. La auditoría que tú haces antes es lo que te deja conversar con la que Microsoft te va a hacer.

Cinco preguntas antes de meter el primer agente en producción

Si en el próximo comité ejecutivo el tema “estrategia de IA” está organizado alrededor de “¿qué modelo usamos?” o “¿qué cloud?”, vale la pena meter estas cinco preguntas antes:

1. Procesos. ¿Tu VP de Operaciones puede describir los 5 workflows principales en dos frases cada uno, sin slides? Si la respuesta requiere coordinar tres áreas para construirla, el agente no la va a poder usar.
2. Datos. ¿Cuáles son los 3 sistemas que tienen los datos que el primer agente necesita, y quién es el dueño asignado de cada uno? Si la respuesta es “lo tiene TI” sin un nombre, no hay dueño.
3. Identidad. ¿Cómo se ve tu historia de control de acceso y log de auditoría para una identidad de agente? ¿Tienes un esquema separado de las identidades humanas, o el agente va a correr con el token de un empleado real?
4. Eval. ¿En qué workflow tienes un eval que pase y falle de forma reproducible (no un demo), y quién lo mantiene? Si la respuesta es “lo construimos cuando arranquemos”, el cronograma ya se atrasó.
5. Dueño. ¿Quién en el comité ejecutivo es el dueño asignado de “preparación para agentes” en los próximos 90 días? ¿Puede contestar las cuatro de arriba en 15 minutos, sin reunión previa?

Si las cinco respuestas son inmediatas y específicas, el agente que llega la próxima semana hace trabajo. Si las cinco respuestas requieren tres reuniones para acordar quién las contesta, la IA no es el problema. La IA es el espejo que va a magnificar el problema.

Una conversación de dos horas separa los dos escenarios. Mapeamos qué procesos están documentados al nivel que importa, dónde viven los datos críticos, y qué partes de tu operación están listas para un agente sin rewrite. Sin cotización atada. El correo es info@iqsource.ai.