Home / Recursos / Gobernanza

Gobernanza · 5 min de lectura · Actualizado 2026-11-15

La adopción de agentes va más rápido que su supervisión

Un estudio de Splunk con 2.050 encuestados concluye que la mayoría de los equipos comprueba que sus agentes de IA trabajan más rápido, pero más de un tercio no sabe decir quién es responsable de vigilarlos. La velocidad sin un responsable no es un resultado. Es una exposición a la espera de un incidente.

La IA agéntica se extiende por los equipos de operaciones más deprisa que las estructuras destinadas a supervisarla. Esa es la conclusión principal del informe 2026 Splunk State of Observability, publicado por Cisco el 20 de octubre de 2026 y recogido ese mismo día por Infosecurity Magazine (Infosecurity Magazine, 20 de octubre de 2026). El informe encuestó a 2.050 profesionales de ITOps e ingeniería y encontró un beneficio real y medido junto a una brecha de responsabilidad cada vez mayor.

Qué ha ocurrido

Las cifras apuntan en dos direcciones. El 86 % de los encuestados afirmó que desplegar IA había mejorado la rapidez con la que detectan incidencias de TI o de seguridad, y el 36 % calificó esa mejora de significativa (Splunk/Cisco, 20 de octubre de 2026). Ese es, en una sola línea, el argumento a favor de la adopción agéntica: funciona, y la gente nota que funciona.

La misma encuesta constató que el andamiaje organizativo no ha seguido el ritmo. El 38 % de los encuestados afirmó que su organización carece de una propiedad y una responsabilidad claramente definidas sobre la supervisión de la IA, y el 42 % señaló una versión más concreta del mismo problema: el equipo que podría observar un agente determinado no es el equipo responsable de él (Splunk/Cisco, 20 de octubre de 2026). Mark Woods, field CTO y asesor técnico jefe para EMEA en Splunk, lo resumió sin rodeos: "Cuando la observabilidad de los agentes es tarea de todos, acaba no siendo tarea de nadie" (Splunk/Cisco, 20 de octubre de 2026).

La supervisión de las alucinaciones muestra la brecha más clara entre lo que se quiere y lo que se tiene. El 85 % afirmó que la visibilidad sobre las alucinaciones de la IA es importante, pero solo el 58 % dijo que su organización puede realmente supervisarlas (Splunk/Cisco, 20 de octubre de 2026). Y el 14 % afirmó que los agentes habían hecho más difícil, no más fácil, detectar y resolver incidencias, sobre todo porque alguien sigue teniendo que comprobar si el resultado del agente era correcto antes de que nadie pueda fiarse de él (Splunk/Cisco, 20 de octubre de 2026). Jeetu Patel, presidente y CPO de Cisco, planteó la solución como algo estructural y no procedimental: "Gestionar agentes a escala exige replantear tanto la seguridad como la observabilidad" (Splunk/Cisco, 20 de octubre de 2026).

Por qué no es un hallazgo aislado

Las cifras de Splunk describen la brecha de supervisión desde el lado de ITOps. Otras investigaciones independientes la describen desde el lado de los flujos de datos, y ambas imágenes coinciden.

El informe State of Agent Security 2026 de Reco (26 de agosto de 2026), elaborado a partir de telemetría empresarial anonimizada y del análisis de 500 servidores públicos de Model Context Protocol, constató que el 80 % de las herramientas de IA funciona sin ninguna supervisión y que, en las organizaciones más pequeñas, hay 414 herramientas de IA no autorizadas por cada 1.000 empleados. Tras dos años de trabajo en políticas empresariales de IA, el parque no supervisado no se reduce.

Por su parte, la telemetría de navegadores empresariales de LayerX Security de 2025 constató que el 77 % de los empleados pega datos en herramientas de IA generativa, y que alrededor de cuatro de cada cinco de esas sesiones se realizan a través de cuentas personales no gestionadas, fuera del inicio de sesión único y fuera de cualquier registro que controle el empleador (LayerX Security, 2025; cobertura: The Register, 7 de octubre de 2025).

Si se ponen las tres juntas, el patrón se mantiene con métodos de medición completamente distintos: la encuesta, la telemetría y el análisis de tráfico coinciden en que el uso de agentes y herramientas de IA va por delante de la capacidad de la organización para decir quién lo vigila o para demostrar qué ocurrió.

Qué significa para una empresa regulada

Una brecha de responsabilidad de este tipo no es un riesgo de cumplimiento futuro. Es un riesgo actual, con instrumentos que ya están en vigor.

Las obligaciones de conservación de registros del Reglamento de IA de la UE (EU AI Act) presuponen que una organización puede indicar qué hizo un sistema y quién respondía de él. Que el 38 % de los equipos de ITOps no pueda nombrar a un responsable de la supervisión de la IA es una admisión directa en contra de ese requisito, no una hipótesis. NIS2 convierte la gestión del riesgo de ciberseguridad en una responsabilidad personal de la dirección, y un agente cuya vigilancia no tiene un responsable claro es exactamente el tipo de riesgo que esa obligación pretende eliminar. Un resultado alucinado o incorrecto de un agente que llega a un cliente, a una declaración oficial o a un sistema financiero es un incidente de naturaleza distinta a una brecha de datos, pero en la mayoría de los regímenes de notificación de incidentes sigue siendo un incidente, y "no podíamos supervisarlo eficazmente" (algo que es cierto para el 42 % de los encuestados en lo que respecta específicamente a las alucinaciones) no es una posición que un regulador o un auditor vaya a aceptar como medida de mitigación.

El 14 % que afirmó que los agentes dificultaban la resolución de incidencias apunta a un segundo coste, más silencioso: un resultado de agente sin verificar no elimina la revisión humana, sino que añade un paso de revisión encima de la automatización, aunque siga dando la impresión de haberlo eliminado.

Qué lo resuelve de verdad

La solución que señala la propia dirección de Splunk es estructural, no procedimental: una capa de observabilidad compartida que haga visible la actividad de los agentes para quien sea responsable, en lugar de dejar la visibilidad fragmentada entre el equipo que, por casualidad, creó u opera cada agente. La propia descripción que hace Patel del estado objetivo es la de "plataformas de datos comunes que nos ayuden a detectar incidencias y responder a ellas en tiempo real" (Splunk/Cisco, 20 de octubre de 2026).

Eso exige tres cosas que una organización puede comprobar, sea cual sea el proveedor o la plataforma que utilice: un único lugar donde se registre la actividad de cada agente de forma que alguien pueda consultarla; un responsable con nombre propio por agente, no un comité; y una manera de comparar lo que se aprobó que hiciera un agente con lo que realmente hizo, para que la divergencia sea algo que una persona advierte y no algo que solo aflora después de un incidente.

Cómo responde AANCER

AANCER trata la actividad de cada agente como algo que debe poder demostrarse, no solo vigilarse. Cada acción de un agente queda registrada en un libro de auditoría de solo anexión y a prueba de manipulaciones, de modo que la pregunta "qué hizo este agente y cuándo" tiene un registro que la responde, en lugar de un archivo de log que alguien tiene que ir a buscar y en el que tiene que confiar.

La propiedad y el alcance se aplican en la capa de identidad, en lugar de dejarse en manos del equipo que, por casualidad, creó el agente: el alcance de un agente lo define aquello a lo que está conectado, a través de la biblioteca de 725 conectores y 84 plantillas de AANCER, y ese alcance puede revocarse en menos de 30 segundos sin volver a desplegar el agente ni detener los sistemas con los que se comunica. Las obligaciones de 27 normativas mapeadas, incluidas las expectativas de conservación de registros del Reglamento de IA de la UE y los requisitos de responsabilidad de NIS2, se mapean frente a ese mismo registro de actividad, de modo que las pruebas que pide un auditor son las que el sistema ya ha generado.

Nada de esto elimina la necesidad de un responsable humano con nombre propio para cada agente. Le da a ese responsable algo concreto de lo que responder.

Qué revisar el lunes

Elija tres agentes que ya estén funcionando en producción y pregúntese, para cada uno: quién es el responsable designado, dónde se registra su actividad y si ese responsable podría presentar, en menos de una hora, un registro de lo que el agente hizo realmente la semana pasada frente a lo que se aprobó que hiciera. Si la respuesta pasa por consultar primero con otro equipo, ese es el hallazgo del 42 % manifestándose en su propia organización, y merece la pena corregirlo antes de que un incidente obligue a plantear la pregunta.

Fuentes

  • Infosecurity Magazine, "AI Agent Adoption Creates Risk as Oversight Struggles to Keep Pace, Splunk Finds", 20 October 2026: https://www.infosecurity-magazine.com/news/ai-agent-adoption-oversight/
  • Reco, State of Agent Security 2026, 26 August 2026
  • LayerX Security enterprise browser telemetry, 2025 (via The Register, 7 October 2025)

Guías relacionadas

Cumplimiento

Guía de preparación para el artículo 12 de la Ley de IA de la UE (EU AI Act)

Qué exigen realmente en lo operativo las obligaciones de mantenimiento de registros y supervisión humana desde agosto de 2026 — y la evidencia que un auditor le pedirá producir.

Lectura de 9 min

Leer la guía →

Gobernanza

Cuando el agente que llama a su puerta no dice quién lo envía

Arkose Labs ha ampliado su Agent Trust Manager para clasificar y vigilar el tráfico de agentes de IA en cada paso del recorrido del cliente. El movimiento responde a un problema que la mayoría de las empresas aún no ha medido: agentes que simplemente no dicen qué son.

5 min de lectura

Leer el análisis →

Cumplimiento

Guardrails de IA en Australia: qué significan el Voluntary AI Safety Standard, Essential Eight y la reforma de la Privacy Act para la IA empresarial

Australia converge hacia la gobernanza de la IA desde tres frentes a la vez — guardrails de seguridad, línea base cibernética y reforma de privacidad — y las plataformas de IA deberán demostrar los tres.

6 min de lectura

Leer la guía →