Linux Foundation sitúa la gobernanza, el contexto y el coste por delante de la capacidad en la adopción de agentes de IA
Linux Foundation ha vuelto a poner el foco en una cuestión que está cambiando rápidamente: para muchas empresas, el problema ya no es solo si un agente de IA puede…
- Publicado por RadarAbierto
- Hecho de referencia
- Última actualización
En un vistazo
Qué ha cambiado
Linux Foundation ha vuelto a poner el foco en una cuestión que está cambiando rápidamente: para muchas empresas, el problema ya no es solo si un agente de IA puede hacer una tarea, sino cómo dejarle actuar sin perder control, trazabilidad ni responsabilidad.
El artículo se apoya en el informe de Linux Foundation Research “Enterprise Transitions to the Agentic Era”, elaborado a partir de entrevistas cualitativas con 25 líderes, fundadores, operadores empresariales y asesores vinculados a comunidades de Linux Foundation.
La conclusión principal no es que los agentes estén listos para todo. Es que, para quienes ya experimentan con ellos, los grandes frenos están desplazándose hacia gobernanza, contexto, costes y responsabilidad.
QUÉ HA CAMBIADO La IA generativa tradicional suele producir una respuesta y dejar que una persona decida qué hacer con ella.
Un agente puede ir más lejos: - consultar aplicaciones; - acceder a datos; - ejecutar tareas; - iniciar transacciones; - llamar herramientas; - delegar trabajo en otro agente; - actuar repetidamente sin que una persona valide cada paso.
Ese cambio de “responder” a “actuar” modifica el problema de seguridad. Cuando una acción puede ejecutarse a velocidad de máquina, descubrir el fallo después puede llegar demasiado tarde.
GOBERNAR ANTES DE EJECUTAR Uno de los consensos más claros de las entrevistas es la necesidad de una capa de gobierno entre los agentes y los recursos que utilizan.
El informe destaca cuatro funciones: - políticas que permitan o bloqueen acciones antes de ejecutarlas; - identidad y autorización para saber en nombre de quién actúa un agente; - medición y atribución para controlar consumo y costes; - auditoría para reconstruir qué hizo el agente y qué ocurrió después.
La idea práctica es importante: una auditoría retrospectiva no basta si el agente puede modificar datos, mover dinero, abrir incidencias, desplegar software o delegar acciones automáticamente. QUIÉN RESPONDE CUANDO ALGO SALE MAL El informe no plantea que el agente sea responsable jurídicamente de sus decisiones.
La responsabilidad continúa recayendo en la organización que lo despliega y en quienes configuran y autorizan sus acciones. El problema se complica cuando aparecen sistemas multiagente.
Un agente puede delegar en otro, que a su vez accede a un servicio o llama a un tercero. En ese escenario ya no basta con preguntar “¿dónde está el humano?”.
También hay que poder responder: - qué agente inició la acción; - quién lo autorizó; - qué permisos tenía; - a qué otro agente delegó; - qué contexto recibió; - qué política se aplicó; - qué resultado produjo.
El propio informe reconoce que la responsabilidad entre múltiples agentes sigue siendo una frontera sin resolver. EL CONTEXTO SE CONVIERTE EN INFRAESTRUCTURA Otro punto relevante es que un agente no puede trabajar bien con información que no encuentra o no puede interpretar.
Las empresas llevan décadas acumulando conocimiento en bases de datos, documentos, aplicaciones, APIs, tickets, repositorios, procedimientos y conocimiento informal de empleados. Si ese contexto está fragmentado, desactualizado o mal autorizado, un agente puede ser técnicamente capaz y aun así producir resultados pobres o peligrosos.
Por eso el informe trata datos y contexto como infraestructura, no como un detalle posterior. NO MIDAS CUÁNTOS AGENTES TIENES Linux Foundation Research también cuestiona métricas que parecen fáciles pero aportan poco.
El número de agentes desplegados o los tokens consumidos no dicen si una empresa está creando valor. La recomendación es medir resultados: - tareas completadas; - porcentaje de resolución; - calidad; - tiempo ahorrado; - coste completo por resultado; - comparación con el proceso anterior.
Esto obliga a definir qué problema debía resolver el agente antes de desplegarlo. Un piloto que falla puede ser útil si deja evidencia y aprendizaje.
Cien pilotos sin objetivo ni registro solo pueden convertirse en gasto. EL MODELO DE COSTES TAMBIÉN CAMBIA Si el software empieza a ejecutar trabajo en lugar de limitarse a ayudar a una persona, cobrar únicamente por número de usuarios puede perder sentido.
El informe apunta a nuevas formas de medir consumo y valor, y a arquitecturas híbridas donde modelos pequeños o locales resuelvan tareas rutinarias mientras modelos más costosos se reservan para razonamiento complejo. No significa que “SaaS esté muerto”.
Significa que el precio por asiento puede dejar de representar bien el valor cuando parte del trabajo lo realizan agentes. QUÉ PUEDE HACER UNA EMPRESA AHORA Antes de aumentar la autonomía de un agente, una organización debería poder responder al menos a estas preguntas: 1.
¿Quién o qué identidad representa el agente? 2.
¿Qué acciones tiene permitidas? 3.
¿Qué acciones requieren aprobación humana? 4.
¿Qué política se evalúa antes de ejecutar? 5.
¿Qué datos y contexto puede consultar? 6.
¿Cómo se registra cada acción? 7.
¿Cómo se revoca acceso inmediatamente? 8.
¿Puede delegar en otros agentes? 9.
¿Cómo se atribuyen costes? 10.
¿Qué resultado empresarial se pretende mejorar? Si no puede contestarlas, probablemente el problema no sea que necesite un modelo más potente.
Necesita mejor infraestructura de gobierno. QUÉ HA COMPROBADO RADARABIERTO Hay dos matices importantes.
Primero, el informe es cualitativo: se basa en 25 entrevistas. Permite identificar patrones, preguntas y prioridades, pero no demostrar que esas opiniones representen a todas las empresas ni asignar porcentajes de adopción global.
Segundo, el artículo publicado por Linux Foundation el 9 de octubre no es una investigación nueva independiente. Es una republicación autorizada de un artículo que Irving Wladawsky-Berger publicó originalmente el 6 de octubre, basado a su vez en el informe de LF Research.
Por tanto, la cadena correcta es: LF Research → informe cualitativo → análisis de Wladawsky-Berger → republicación en Linux Foundation. Además, el propio autor declara que utilizó ChatGPT como ayuda editorial para el borrador y que conserva la responsabilidad sobre el contenido final.
Ese dato es de transparencia editorial, no una prueba a favor o en contra de las conclusiones.
RECURSOS Informe de Linux Foundation Research: https://www.linuxfoundation.org/research/enterprise-transitions-to-agentic-2026 Artículo de Linux Foundation: https://www.linuxfoundation.org/blog/how-should-enterprises-transition-to-the-agentic-era Artículo original de Irving Wladawsky-Berger: https://blog.irvingwb.com/blog/2026/10/how-should-enterprises-transition-to-the-agentic-era.html QUÉ SEGUIREMOS RadarAbierto seguirá si aparecen datos cuantitativos que permitan medir adopción real, costes y resultados; estándares más maduros de identidad y autorización de agentes; modelos de gobierno en tiempo de ejecución; y mecanismos verificables para reconstruir cadenas de delegación en sistemas multiagente.
También seguiremos si las empresas empiezan a medir agentes por valor entregado en lugar de por actividad, y qué ocurre con los modelos de precios de software cuando una parte creciente del trabajo la realizan sistemas autónomos.
Por qué puede importarte
La discusión empresarial está desplazándose de si los agentes pueden hacer tareas a cómo permitirles actuar sin perder control. Identidad, permisos, políticas en tiempo real, auditoría, contexto y coste por resultado pasan a ser infraestructura básica.
Cómo ha evolucionado
Primer registro en RadarAbierto: 09/10/2026. Estado actual: actual.
Añadiremos los cambios posteriores sin borrar este registro.
Qué todavía no sabemos
El informe de Linux Foundation Research es cualitativo y se basa en entrevistas con 25 líderes, fundadores, operadores y asesores vinculados a comunidades de Linux Foundation. Sirve para identificar patrones y prioridades, pero no permite generalizar porcentajes ni medir por sí solo la adopción empresarial global.
Qué seguiremos
Seguiremos evidencia cuantitativa sobre adopción real, estándares de identidad y autorización de agentes, gobernanza en tiempo de ejecución, costes por resultado y modelos de responsabilidad en sistemas multiagente.
Útil para responsables de tecnología, seguridad, datos y operaciones que estén pasando de chatbots a agentes capaces de ejecutar acciones. La señal sugiere priorizar gobernanza y contexto antes de aumentar autonomía o desplegar más agentes.
Son señales públicas verificables de repercusión; no equivalen a visitas de la web original salvo que la propia fuente publique ese dato.Seguir el contexto
La señal conserva procedencia y relaciones internas para que puedas comprobar el origen y explorar cambios relacionados.
¿Tienes una evidencia que falta?
Puedes aportarla como evidencia candidata. Se revisará antes de incorporarse y nunca se publica automáticamente como verdad.
Si tu navegador lo permite, puedes abrir RadarAbierto desde el móvil como una aplicación, sin convertirlo en una app nativa.
Esta ficha verificable es igual para todos. Puedes indicar si te afecta, si no se entiende, si quieres seguirla o si no te interesa. Para que seguir u ocultar cambie solo tu selección, crea Mi Radar.