Contexto y Coordinación: La capa faltante en la automatización empresarial

La mayoría de las empresas cuentan con mucha automatización y poca transformación. Los pilotos funcionaron. Los bots operan. La curva de productividad se aplanó de todos modos. Es la historia más repetida en el mundo empresarial, y la próxima ola, la Agentic AI, finalmente puede romper ese patrón, para las empresas dispuestas a diseñar el contexto en el que funcionan estos sistemas.

Casi nadie lo trata como la estrategia. Lo es.

Una gran red de proveedores de salud de EE. UU. descubrió que la verdadera limitación no era la capacidad clínica. Era la programación de citas, que funcionaba con suposiciones reactivas, sin visibilidad de qué pacientes podrían faltar a una visita hasta que la franja ya estaba vacía. Construir modelos predictivos basados en el historial de citas permitió a la red actuar antes de que se abrieran los vacíos en lugar de apresurarse después. Las ausencias de pacientes disminuyeron, los ingresos netos aumentaron y el tiempo de triaje de programación se redujo. El contexto ya existía en años de datos de citas. Sólo necesitaba ser recopilado y puesto en acción.

En cada uno de estos compromisos, las mismas tres disciplinas —núcleo, contexto y coordinación— separan la Agentic AI que entrega resultados de la Agentic AI que se estanca.

Automatizando la parte fácil

La brecha más profunda está entre automatizar tareas y automatizar resultados. Las empresas automatizan los pasos, la conciliación de facturas, la entrada de datos, la actualización de estado, y descubren que el costo sigue residiendo en el trabajo entre los pasos. Un proceso que está mayormente automatizado no está mayormente resuelto. Un ser humano sigue ensamblando las piezas y asumiendo el resultado, realizando el trabajo de coordinación para el que nunca se diseñó ninguna automatización.

La razón es simple. La automatización antigua sigue reglas. No puede manejar juicios porque carece de contexto para resolver excepciones y de coordinación para derivarlas. Los bots son impecables en el medio predecible e indefensos en los extremos, y en el trabajo real, los extremos son el trabajo. Una reclamación con un documento faltante o una cláusula extraña detiene al bot y activa a una persona. Los líderes contabilizan lo que se automatizó. El P&L contabiliza lo que no se automatizó.

¿Por qué la parte difícil se resiste? Porque ahí es donde reside el contexto. La parte limpia funciona con filas y columnas ordenadas. La parte difícil se oculta en el PDF de la política, el hilo de correo electrónico, el formulario escaneado, la transcripción de la llamada, la cláusula en un anexo. McKinsey estima que alrededor del 90 % de los datos empresariales son no estructurados. La automatización que solo ve la porción estructurada está ciega a la mayor parte de la decisión. Resolverlo significa proporcionar a la automatización dos cosas que nunca ha tenido: contexto para tomar una decisión y coordinación para actuar sobre ella a través de los sistemas.

Por qué el contexto lo cambia todo

La Agentic AI cierra esa brecha porque puede razonar con contexto, algo que las generaciones anteriores de automatización nunca pudieron. A diferencia de la automatización tradicional, un agente puede razonar a través de los sistemas, trabajar con la ambigüedad y adaptarse cuando la realidad rompe el guion. Automatiza los enlaces entre procesos así como los propios procesos.

Eso convierte al contexto en el verdadero desafío de ingeniería. La ingeniería de contexto es la disciplina que determina qué necesita saber un agente, recupera esa información de las fuentes correctas y la presenta en el momento adecuado. Un agente solo puede razonar sobre lo que conoce.

Una empresa global de semiconductores con más de 30 000 empleados aprendió esa lección de forma directa. Más de mil de sus contratos estaban dispersos en SharePoint, unidades compartidas y carpetas locales como PDFs no estructurados, sin forma de rastrear períodos de aviso o términos de renovación antes de que vencieran los plazos. Extraer e interpretar ese contexto enterrado automáticamente redujo el tiempo de revisión de contratos, ahorró más de 200 horas de trabajo manual al año y disminuyó el riesgo de una obligación incumplida. La IA empresarial no escala mediante la automatización de más tareas aisladas. Escala al reunir el contexto que se sitúa entre ellas.

La automatización sigue estancándose sin coordinación

La automatización puede contar con un contexto perfecto y aun así estancarse si ese conocimiento no puede trasladarse a través de los sistemas, equipos y zonas horarias que realmente toca un proceso, y esa brecha no es hipotética. Una empresa global de ciencias de la vida que gestiona aproximadamente 50 000 quejas al año en cuatro regiones lo experimentó directamente. Las quejas llegaban a través de correos electrónicos, portales y documentos desconectados, y los casos similares se manejaban de manera diferente según el equipo que los atendía, exactamente el tipo de inconsistencia que los reguladores señalan. Estandarizar eso en un flujo de trabajo coordinado ahorró más de 4 200 horas al año y redujo el tiempo de resolución en un 70 %. Las empresas que omiten esta capa terminan con una automatización que razona bien pero que aún se atasca en los mismos traspasos que estancaron los sistemas antiguos.

La trampa de la gobernanza

La automatización solía gobernarse como el software, con licencias, aprovisionamiento y seguimiento del tiempo de actividad. La Agentic AI rompe ese modelo, porque en el momento en que comienza a tomar decisiones en lugar de ejecutarlas, gobernar lo que puede acceder deja de ser suficiente. Un agente que lee un CRM, escribe en un ERP, desencadena un pago y envía mensajes a un cliente no es una herramienta. Es un actor con alcance. La pregunta pasa de si la integración es segura a qué puede decidir este agente, bajo qué autoridad, con qué rastro y quién responde cuando se equivoca. La solución no es menos autonomía. Son límites claros, autoridad definida, un registro completo de acciones y un propietario nombrado para cada resultado que produce un agente.

Ese gobierno debe incluir supervisión, no como un freno, sino como el mecanismo que permite que el alcance de un agente se expanda de forma segura con el tiempo. Cada corrección revela si el agente tenía el contexto correcto, alimentando un bucle que le otorga gradualmente más responsabilidad.

También debe llegar a la capa de contexto, la parte que la mayoría de los equipos pasa por alto. Extraer información de fuentes no estructuradas implica heredar lo que contienen: datos personales, material privilegiado, versiones contradictorias de la verdad. Un agente es tan confiable como la procedencia del contexto que utiliza. Trate el contexto como un activo gobernado, con reglas de linaje, acceso y frescura incorporadas, y la automatización se convierte en un sistema auditable en lugar de una responsabilidad. Construya esto antes de la expansión, no después del incidente.

Primer año, hecho de manera diferente

La mayoría de las organizaciones pasarán este año buscando tareas para automatizar. Un número menor lo dedicará a mapear dónde la información, la responsabilidad y las decisiones realmente cambian de manos y a construir lo que ocurre en ese punto de transferencia.

En dos años, a nadie le importará cuántos agentes haya desplegado una empresa. La verdadera pregunta será quién construyó la infraestructura subyacente y quién sigue añadiendo bots a transferencias rotas.