El RPA se estancó, los agentes de IA prometen 171% de retorno: Gartner ya anticipa que 4 de cada 10 proyectos agénticos terminarán cancelados

Si tu empresa ya tiene bots de RPA corriendo en facturación, conciliaciones o captura de pedidos, es probable que en los últimos meses te hayan propuesto reemplazarlos o ampliarlos con agentes de IA. Antes de firmar esa propuesta conviene ver los números completos: Gartner calcula que más del 40% de los proyectos de IA agéntica se cancelarán antes de que termine 2027 por costos que se disparan, valor de negocio que no se puede demostrar o controles de riesgo insuficientes, según el comunicado de Gartner del 25 de junio de 2025. Al mismo tiempo, IDC y Microsoft reportan que los agentes que sí llegan a producción entregan un retorno de inversión global de 171%, cifra que sube a 192% en Estados Unidos, según el análisis de Forkast sobre la brecha entre piloto y producción. El problema es que, de acuerdo con la misma nota, entre 86% y 88% de los pilotos de agentes nunca llegan a esa etapa.

Ninguno de los dos caminos, quedarte con tu RPA o subirte a un agente, es automáticamente el correcto. Los dos traen datos de fracaso recientes. La decisión no se toma por moda, se toma revisando qué parte de tu proceso necesita reglas fijas y qué parte necesita criterio.

Lo que dicen los estudios, con su fuente

Gartner no está diciendo que la IA agéntica sea mala inversión: dice que la mayoría de los proyectos actuales son experimentos tempranos impulsados por el entusiasmo, no por un caso de negocio definido. "Esto puede cegar a las organizaciones sobre el costo y la complejidad reales de desplegar agentes a escala, estancando los proyectos antes de que lleguen a producción", explicó Anushree Verma, Senior Director Analyst de Gartner, en el mismo comunicado. La consultora también advierte sobre el "agent washing": herramientas de automatización heredadas y soluciones de RPA rebautizadas como plataformas de agentes sin capacidades reales de planeación o autonomía, al punto de que Gartner estima que apenas cerca de 130 de los miles de proveedores que se anuncian como IA agéntica lo son de verdad, según el reporte del Hype Cycle para IA Agéntica 2026 de Gartner cubierto por Tray.ai. Si tu proveedor de RPA te está ofreciendo "agentes" desde hace apenas unos meses, vale la pena preguntar qué cambió realmente en el motor.

El estancamiento no es exclusivo de los agentes. En otra encuesta de Gartner a 782 líderes de infraestructura y operaciones, levantada entre noviembre y diciembre de 2025, sólo 28% de los casos de uso de IA cumple las expectativas de retorno y 20% fracasa por completo; el 53% de los casos exitosos se concentró en gestión de servicios de TI, un dominio maduro con métricas claras. Esa concentración es la pista más útil del estudio: la IA rinde donde el proceso ya está bien definido, no donde se improvisa.

RPA y agentes no resuelven lo mismo

La diferencia técnica importa para no comprar lo que no necesitas. El RPA sigue reglas fijas sobre datos estructurados: si el campo A contiene X, copia X al sistema B, con fiabilidad cercana al 100% mientras el proceso no cambie. Un agente interpreta contexto: lee un correo con una reclamación, entiende la urgencia, clasifica el caso y decide una respuesta, según la comparación de Beam AI entre RPA y agentes en 2026. La arquitectura que más se está probando en empresas grandes no es "uno reemplaza al otro", sino una capa de agente que interpreta la entrada y decide, y que entrega instrucciones estructuradas a un robot RPA que ejecuta los pasos mecánicos en los sistemas, de acuerdo con el argumento a favor de la automatización híbrida de Quental.

Esa combinación es, de hecho, el patrón detrás de sistemas donde un agente recibe una solicitud por chat, revisa que esté completa, valida que cumpla reglas de negocio y sólo entonces genera el ticket para que un equipo o un sistema mecánico la ejecute: el agente pone el juicio, la ejecución sigue siendo un flujo estructurado. Ese reparto de trabajo, y no el reemplazo completo de un sistema por otro, es lo que separa un piloto que llega a producción de uno que se queda en demo.

Qué automatizar con RPA y qué amerita un agente

Antes de aprobar cualquier propuesta, separa tu proceso en pasos y clasifica cada uno:

• Se queda en RPA si la entrada es estructurada (un campo de formulario, una columna de Excel, un XML), el proceso casi no cambia y necesitas ejecución idéntica cada vez, sobre todo si hay una auditoría que exige trazabilidad exacta de cada paso.
• Amerita un agente si la entrada es texto libre, un correo, una imagen o un documento escaneado, y el paso requiere clasificar, priorizar o redactar una respuesta distinta según el caso, o si necesita buscar información vigente antes de decidir.
• No lo automatices todavía si el volumen es bajo o el proceso cambia cada trimestre: ni el RPA ni un agente pagan su costo de mantenimiento en ese escenario, y lo más barato sigue siendo una persona con una checklist.

Si no tienes claro por dónde empezar a clasificar, conviene primero hacer el inventario de procesos, algo que trata con más detalle ocho de cada diez pymes mexicanas quieren automatizar y no saben qué proceso atacar primero. Esa clasificación previa es justo lo que resuelve un diagnóstico de automatización de procesos, antes de decidir si el siguiente paso es un bot de reglas o un agente.

Los controles que pedir antes de aprobar un piloto agéntico

Gartner señala tres causas de cancelación: costos que se disparan, valor de negocio difuso y controles de riesgo inadecuados. Convierte cada una en una pregunta que le haces a tu proveedor o a tu propio equipo antes de dar luz verde:

1. Alcance cerrado, no "automatiza todo lo que puedas". Un agente con permiso para tocar cualquier sistema es más difícil de auditar y más caro de operar que uno con tres acciones permitidas y el resto bajo aprobación humana.
2. Techo de costo definido antes del piloto. El gasto en cómputo de un agente varía con el volumen y la longitud de cada interacción; pide una proyección de costo mensual a régimen, no sólo el costo de la prueba con diez casos.
3. La métrica de valor se define antes de empezar, no después. Si al mes tres nadie puede decir cuánto tiempo o dinero ahorró el agente frente a la línea base, el proyecto entra en la categoría que Gartner describe como "valor de negocio difuso". Esa medición previa es el tema de 48% de las empresas mexicanas ya usan IA, pero 46% no puede probar si les rinde.
4. Un modelo de gobernanza para decisiones autónomas. Quién revisa qué decidió el agente, qué puede hacer sin supervisión y qué queda bloqueado hasta que una persona lo apruebe. Esta pieza suele faltar incluso en empresas que ya tienen agentes corriendo, como se explica en la brecha de gobernanza que nadie está presupuestando.

Dónde la respuesta obvia es la equivocada

Reemplazar en bloque un RPA que funciona por agentes de IA es exactamente el patrón de apuesta amplia sin alcance definido que Gartner asocia con las cancelaciones. Si tu RPA actual procesa facturas estructuradas con error casi nulo, cambiarlo por un agente introduce una capa probabilística donde antes había una determinista, sin ganancia real. Tampoco tiene sentido meter un agente en un paso que exige respuesta idéntica cada vez por requisito regulatorio: ahí el valor de la automatización es la consistencia, no el criterio. Y si tu equipo de TI no tiene capacidad para dar seguimiento a un piloto durante los primeros meses, un agente sin supervisión activa es más riesgo que ahorro, sin importar cuánto prometa el proveedor.

La pregunta que vale la pena llevar a la siguiente junta con tu proveedor no es "RPA o agentes", es qué pasos de tu proceso ya tienen reglas claras y cuáles llevan meses acumulando excepciones que alguien resuelve a mano. Ahí está la frontera real entre lo que se automatiza con reglas y lo que necesita criterio, y ahí es donde conviene invertir primero. Si esa clasificación es lo que te falta, aplicamos IA donde de verdad hay una decisión que tomar, no donde sólo hay una etiqueta nueva sobre lo mismo de siempre.

Fuentes

• Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
• The Agent Production Gap: When 171% ROI Isn't Enough to Ship (Forkast)
• AI Agents vs RPA: What's the Actual Difference in 2026 (Beam AI)
• Automatización agéntica, el paso siguiente a la RPA en grandes empresas (Quental)
• Gartner's 2026 Hype Cycle for Agentic AI, cubierto por Tray.ai