Agentes IA en servicios profesionales: solo el 15% los usa

Los números del informe

Thomson Reuters publicó la cuarta edición de su informe sobre IA en servicios profesionales, con respuestas de más de 1.500 profesionales de despachos, asesorías y departamentos internos.

El uso de IA generativa casi se ha duplicado en un año. El de agentes está donde estaba la IA generativa hace dos años, con un 53% adicional que dice estar planeándolo o considerándolo.

Por qué la distancia entre 40% y 15%

Un asistente que redacta un borrador falla de forma visible: lees el texto y decides. Un agente que ejecuta varios pasos, consulta fuentes y devuelve trabajo terminado falla de forma menos visible, porque el error puede estar en el paso 3 de 12 y el resultado final parecer correcto.

Esa diferencia es la que frena la adopción en trabajos donde el error tiene consecuencias legales o económicas. El informe de Thomson Reuters recoge la supervisión como el problema específico de la IA agéntica en el sector legal.

Gartner estima que cerca del 40% de las aplicaciones empresariales incluirán agentes específicos durante 2026, frente a menos del 5% en 2025. Es decir, la mayoría de los profesionales van a encontrarse agentes dentro de herramientas que ya usan, sin haber decidido adoptarlos.

Lo que reportan quienes ya los usan

Entre las organizaciones que ya tienen agentes en producción, el 66% declara ganancias de productividad medibles, según el recuento de Accelirate sobre adopción empresarial.

Al mismo tiempo, un informe de WRITER sitúa en el 79% las organizaciones que encuentran dificultades en la adopción de IA, con una subida de dos dígitos respecto a 2025. Las dos cifras conviven: funciona para quien lo despliega bien y cuesta más de lo previsto llegar hasta ahí.

Dónde funcionan hoy en un despacho o una asesoría

Los casos con resultados reproducibles comparten tres condiciones: el resultado se verifica en poco tiempo, el error es reversible y existe una fuente de verdad contra la que contrastar. Algunos ejemplos:

• Revisión de contratos contra una lista de cláusulas propia, con el agente marcando desviaciones y una persona decidiendo.
• Preparación de expedientes: reunir documentación dispersa, ordenarla y señalar lo que falta.
• Investigación previa con obligación de citar fuente en cada afirmación, para que la comprobación cueste segundos.
• Conciliación de datos entre sistemas que no hablan entre sí, donde el resultado se valida con un cuadre numérico.

Lo que sigue fallando es todo lo que requiere criterio no escrito en ningún sitio: valorar el riesgo de un cliente concreto, decidir la estrategia de un caso, juzgar si un tono es adecuado para un destinatario.

Qué medir antes de decidir

El número que más ayuda es cuánto tiempo cuesta comprobar el trabajo del agente.

Si un agente tarda 2 minutos en hacer algo que tú tardas 40, pero comprobarlo bien te lleva 30, has ahorrado 10 minutos y has añadido un punto de fallo. Si comprobarlo lleva 3, el caso está claro.

Mide las dos cosas durante dos semanas antes de ampliar. Y mide el porcentaje de trabajos que hay que rehacer, que es el número que decide si el despliegue aguanta.

Cómo empezar sin montar un proyecto

Elige un trabajo repetitivo cuyo resultado se pueda verificar en poco tiempo.

Escribe el procedimiento manual completo antes de automatizarlo. Si no puedes escribirlo, el agente tampoco va a poder ejecutarlo, y la mitad de los fallos de despliegue vienen de ahí.

Deja el punto de decisión en una persona durante los primeros dos meses. El agente prepara, la persona firma.

Documenta qué modelo y qué versión usa cada agente. Con laboratorios publicando dos versiones del mismo modelo con distintas salvaguardas, esa trazabilidad ya no es un detalle administrativo. En nuestra sección del Reglamento de IA está qué documentación exige la norma según el tipo de sistema.

Por dónde seguir

Si quieres situar a tu equipo antes de decidir nada, la evaluación de competencias IA da una foto en unos minutos y compara el resultado con el resto de participantes.

Para entender qué hace cada tipo de agente y qué necesita para funcionar, está el catálogo de agentes. Y para escribir instrucciones que un agente pueda seguir sin ambigüedad, los frameworks de prompting recogen las estructuras que mejor aguantan tareas de varios pasos.