El gobierno de agentes de IA se ha convertido en una condición para incorporar sistemas capaces de ejecutar tareas y tomar decisiones dentro de los procesos empresariales. A diferencia de un asistente que recomienda, un agente de IA puede consultar datos, modificar registros y ejecutar operaciones sin aprobación humana en cada paso. Esto exige definir sus accesos, atribuciones y responsables.
En Chile, la adopción ya avanza más rápido que los controles. Según ConvergencIA de Deloitte Chile (2026), el 69% de las organizaciones consultadas declara utilizar agentes de IA: 31% en producción y 38% en pilotos o experimentación. Sin embargo, el 26% opera sin lineamientos formales y menos del 1% dispone de un modelo de gobierno que incluya monitoreo, auditoría y trazabilidad.
La brecha también aparece en el avance general de la inteligencia artificial. El estudio Estado de adopción de Inteligencia Artificial en empresas chilenas de MAS Analytics (2026), basado en una encuesta a 160 ejecutivos y gerentes, muestra que el 68,1% de las organizaciones permanece en exploración o pilotos y solo el 3,6% ha escalado la IA con resultados sostenibles. Aunque miden fenómenos distintos, ambos estudios evidencian la distancia entre adopción y capacidad de ejecución.
Qué cambia en el gobierno de datos cuando un agente de IA ejecuta acciones
La diferencia entre un asistente y un agente de IA está principalmente en su capacidad para actuar. Mientras un asistente entrega información o recomendaciones que una persona puede revisar antes de utilizarlas, un agente puede ejecutar tareas directamente en los sistemas de una organización. Por ejemplo, puede actualizar los datos de un cliente, generar una orden de compra o modificar un registro sin que una persona tenga que aprobar cada paso.
En cambio, si un agente trabaja con esos mismos datos, puede ejecutar operaciones equivocadas que afecten directamente los procesos del negocio.
Por esta razón, la incorporación de agentes de IA requiere ampliar los mecanismos de control existentes. El gobierno de datos continúa siendo fundamental para asegurar que la información sea confiable, esté correctamente clasificada y cuente con responsables definidos. Sin embargo, también es necesario establecer controles sobre los propios agentes, especialmente respecto de los datos a los que pueden acceder, las acciones que están autorizados a realizar y las personas responsables de supervisarlos.
El dato establece el límite de la autonomía
«El dato es el techo»; la autonomía segura de un agente no puede superar la madurez de los datos sobre los que opera. Sin definiciones claras, responsables ni trazabilidad, el agente amplifica las debilidades existentes.
Un ejemplo es la regla que prohíbe entregar información confidencial a una herramienta de IA. Si la organización no ha clasificado sus datos, resulta imposible verificar de manera consistente cuáles puede consultar o enviar el agente. La política existe, pero no puede aplicarse técnicamente; la preparación comienza en el dominio de datos del caso de uso.
Sobre esa base, el gobierno de agentes de IA añade tres capacidades:
- El gobierno de la IA identifica los sistemas, sus propietarios y las políticas aplicables.
- El acceso de la IA al dato asegura que las fuentes y herramientas estén disponibles con permisos y significado definidos.
- La gestión de la autonomía determina qué acciones puede ejecutar cada agente, bajo qué condiciones y cómo detenerlas.
La evidencia chilena muestra la importancia de esa base. El Índice de Transformación Digital en IA 2026 de CCS, Corfo y PMG, elaborado con 740 empresas, encontró que el 85% carece de un comité o instancia formal de gobernanza de IA y el 82% no dispone de políticas éticas de uso.
Cómo controlar la identidad y los permisos de los agentes de IA
Para supervisar las acciones de un agente de IA, es fundamental que tenga una identidad propia. Por ejemplo, cuando utiliza las credenciales de un trabajador o una cuenta compartida, resulta difícil identificar qué operaciones realizó y retirar sus permisos sin afectar otros accesos. Además, puede conservar autorizaciones indebidas si el trabajador cambia de cargo.
Por eso, cada agente autónomo debe contar con una identidad registrada en el sistema corporativo, asociada a un responsable, con permisos específicos, vigencia definida y un mecanismo de revocación independiente. En este sentido, utilizar las credenciales de una persona puede ser adecuado para tareas supervisadas, pero no para agentes que operan de forma autónoma.
Este control también permite identificar agentes no autorizados. Como señala Bocaz, «un inventario que no está atado a credenciales es una lista, no un control». Por ello, el registro de agentes debe vincularse con sus identidades y permisos efectivos. Google Cloud (2026) ya incorpora estas capacidades en su plataforma, mientras que Gartner (2026) identifica la gestión de identidad de agentes como una tendencia estratégica para 2027 y proyecta que, hacia 2028, el 25% de las brechas de seguridad empresariales estará vinculado al abuso de agentes de IA.
Quién responde por las acciones de un agente de IA
Tener una identidad técnica no convierte al agente de IA en empleado ni traslada la responsabilidad a la tecnología. Una investigación publicada en Harvard Business Review (2026), basada en una encuesta a 1.261 gerentes y un experimento, encontró que presentar la IA como empleado puede debilitar la revisión y desplazar responsabilidad hacia el sistema, especialmente en organizaciones que ya incorporaban agentes a sus organigramas. La responsabilidad sigue siendo humana.
Cinco responsabilidades para cada sistema de IA
No hacen falta cinco cargos nuevos, sino responsabilidades claras:
- Un dueño por sistema de IA, responsable de su propósito y autoridad.
- Un autorizador de producción, distinto de quien construye y con facultad de revocación.
- Un custodio técnico, que administra credenciales, pruebas y registros.
- Un supervisor humano, con capacidad de intervenir en operaciones de alto impacto.
- Un evaluador independiente del equipo constructor, que verifica los controles antes de habilitar sistemas de alto riesgo.
En el estudio global State of AI in the Enterprise de Deloitte (2026), realizado a 3.500 directivos de 25 países, el 40% señaló que su empresa permite a la IA ejecutar acciones sin aprobación humana al menos en cierta medida, mientras que el 23% reconoció falta de claridad sobre la responsabilidad cuando el resultado es negativo.
Más que asignar al agente un supuesto «nivel de autonomía», conviene clasificar sus acciones por impacto y reversibilidad. Consultar un indicador no tiene las mismas consecuencias que modificar datos personales o ejecutar una operación financiera; cada sistema debe tener por escrito las acciones permitidas, los límites técnicos y aquellas que requieren aprobación previa de una persona, especialmente si implican efectos financieros, legales o sobre datos personales difíciles de revertir.
Cómo implementar el gobierno de agentes de IA sin frenar la adopción
El punto de partida es identificar los sistemas existentes, incluidos los adquiridos a terceros y los utilizados por áreas sin autorización formal. El inventario debe consignar propósito, dueño, datos, proveedor, riesgo y autorización. Luego corresponde preparar el dominio de datos del caso de uso: clasificación, calidad, glosario, trazabilidad y accesos. Esta preparación —agent-ready, es decir, datos preparados para agentes— se concentra donde el sistema actuará.
Seis controles mínimos antes de autorizar la ejecución
Antes de conceder autonomía, cada agente debe acreditar seis condiciones verificables:
- Identidad propia: credencial registrada con responsable, vigencia y procedimiento de revocación.
- Autoridad documentada: acciones permitidas y límites definidos por impacto y reversibilidad, con aprobaciones humanas cuando corresponda.
- Protección de información: definición de qué datos pueden enviarse a cada proveedor, bajo qué acuerdos y con filtros automáticos de entrada y salida.
- Pruebas y detención: validación en un entorno aislado y mecanismos graduados de parada efectivamente probados.
- Trazabilidad: registro inmutable de consultas, respuestas y herramientas invocadas bajo la identidad del agente.
- Gestión de incidentes: plan único de respuesta a incidentes de IA, con una persona responsable.
Si el agente se adquiere en lugar de desarrollarse internamente, el control se traslada a la evaluación del proveedor. Las preguntas esenciales para instaurar un correcto gobierno de agentes de IA son: ¿se autentica con identidad propia? ¿Puede detenerse mediante un mecanismo comprobable? ¿Entrega trazabilidad de las acciones ejecutadas? ¿Qué información de la organización sale hacia el modelo y bajo qué condiciones? Las respuestas deben verificarse.
Establecer estas exigencias no significa postergar el valor de la IA. El Applied AI Index 2026 de BCG, basado en 1.330 líderes de empresas globales, encontró que las organizaciones que escalan innovación con gobernanza registran alrededor de tres veces el retorno de aquellas con baja innovación, frente a unas dos veces en quienes escalan sin acompañarla de gobierno.
Por otro lado, la Ley 21.719 de protección de datos personales añade exigencias relevantes para los agentes que tratan información personal. Existe un proyecto de postergación de su entrada en vigencia, aún en trámite legislativo. Sin perjuicio de la fecha, clasificar datos personales y controlar accesos y trazabilidad es necesario.
Conclusión
El gobierno de agentes de IA debe crecer al ritmo de la capacidad de control del dominio donde opera el agente. Sin datos clasificados o responsables definidos, corresponde restringir las acciones; con controles básicos, priorizar tareas delimitadas y aprobaciones humanas; y con gobierno medido, habilitar procesos más amplios, manteniendo supervisión sobre decisiones de alto impacto. La prioridad es que cada agente pueda auditarse y detenerse sin comprometer el negocio.