Gene Alvarez, analista distinguido de Gartner, abrió la presentación con un diagnóstico que cualquier equipo de tecnología reconoce. Los sistemas de IA, dijo, funcionan en un vacío arquitectónico: generan software más rápido de lo que las personas alcanzan a revisarlo, abren caminos de credenciales que nadie administra y dejan procesos atados a un único proveedor. A los directores de tecnología les pidió pasar de mirar con calma lo que hacen los modelos a diseñar, de forma activa, las fronteras entre la organización, las personas y las máquinas.

La lista tiene diez tendencias: modelos cuantitativos grandes, modelos de razonamiento de voz, modelos del mundo, plataformas de contexto de IA, arnés de agentes de programación, identidad de agentes, remediación autónoma de exposición, SovereignTech, aplicaciones desechables y computación biológica como servicio. Gartner las agrupa en tres temas, y cuatro de las diez, las del bloque de gobierno, se ocupan de limitar lo que los agentes pueden ver, usar y producir.

Leímos la lista con una pregunta práctica: cuáles de estas tendencias ya forman parte de lo que hacemos. Seis. Las recorremos en el orden en que las vivimos.

Gartner define el arnés de agentes de programación como un sistema de control en ciclo cerrado que gobierna a los agentes durante todo el ciclo de vida del software. Integra las plataformas de desarrollo con el contexto de la empresa, el enrutamiento de modelos, compuertas de verificación y ciclos de retroalimentación. Sin esa pieza, los desarrolladores terminan verificando a mano lo que produce la máquina, y la ganancia de productividad se evapora. Alvarez añadió que los desarrolladores deben liderar el arnés, porque necesita su conocimiento, y que conviene tratarlo como un activo que sigue aprendiendo.

En nuestros equipos esto tiene un nombre más viejo: regresión continua. Mauricio Buitrago, que lidera nuestra línea de automatización, lo explicó hace unas semanas en un conversatorio con los líderes de pruebas. La regresión ya no corre antes de una ventana de despliegue. Corre dentro del pipeline en cada cambio: un subconjunto crítico en minutos y el resto en paralelo, sin intervención humana. Para que funcione, la suite tiene que ser muy confiable, porque una prueba que falla por cualquier motivo y obliga a alguien a revisarla a mano no sirve en un sistema que nunca se apaga. Por eso usan herramientas de IA con autorreparación: ante un cambio en un elemento que no es crítico, el script se ajusta y el equipo dedica su atención a las fallas reales.

Freddy Silva, que lidera pruebas funcionales, aportó la parte que le toca a las personas. La IA ayuda a construir los escenarios de prueba a partir de los requerimientos, y el equipo los revisa y los afina antes de usarlos. Carol Ortega, que lidera performance, contó que en varios de nuestros clientes hemos llevado los sistemas hasta su límite con pruebas de capacidad y de larga duración, porque los picos ya no siguen una curva histórica y el promedio no sirve para planear.

De Carol es también la idea que más repetimos desde entonces: las pruebas y el tablero de producción tienen que mirar lo mismo. Una compuerta de verificación parecida a lo que ocurre en producción se gana la confianza del equipo, y una distinta termina ignorada.

Gartner estima que, para 2028, 25% de las brechas de seguridad empresariales se originará en el abuso de agentes de IA, por privilegios de máquina sin gestionar y prácticas de credenciales heredadas. También advierte que, sin resolver el tema de identidad, más de la mitad de las iniciativas de IA empresariales podría detenerse. La propuesta es conectar cada modelo, cada instrucción y cada credencial con las acciones del agente, con controles dinámicos en lugar de credenciales estáticas de alto riesgo. Es una predicción de Gartner, y el número ya circulaba desde 2025.

El dato local llegó esta semana. La firma IQSEC documentó en México 101 filtraciones y 116 víctimas en siete semanas del primer semestre, en 26 entidades y 11 sectores económicos.

En nuestro portafolio, Agent Talent parte de la misma idea que Gartner pone en el centro: un agente de IA entra a un equipo con un rol, un alcance definido y una persona que responde por su trabajo. Es la conversación que se tiene al incorporar a cualquier colega. Qué hace, a qué accede y con quién consulta. Desde DevSecOps trabajamos esa misma línea: credenciales dinámicas, permisos acotados y trazabilidad de las acciones. Gartner suma la remediación autónoma de exposición, sistemas que detectan una vulnerabilidad, prueban el parche y lo aplican en producción. Para los cambios que tocan sistemas críticos queremos a una persona al lado.

Las plataformas de contexto de IA reúnen el conocimiento disperso de una empresa y le entregan al agente los antecedentes para interpretar lo que recibe y actuar de acuerdo con los objetivos del negocio. Gartner proyecta que, para 2027, las organizaciones que prioricen la semántica en sus datos listos para IA aumentarán la precisión de la IA agentica hasta en 80% y reducirán costos hasta en 60%.

Un agente responde con el contexto que recibe, y la calidad de ese contexto depende de quién ordenó los datos, con qué criterio y con qué vigilancia. Esa es la tarea del Autonomous Data Stack. En Colombia, el estudio Colombia AI Pulse 2026, de Endeavor Data Unit, con 493 profesionales, encontró que 61% considera la IA una prioridad estratégica y que solo 37,7% la tiene integrada de manera significativa en sus operaciones. Esa distancia se recorre en buena parte con datos que alguien se tomó el trabajo de entender.

Gartner anticipa que, para 2030, la fatiga con el SaaS y la abundancia de software generado con IA llevarán a las organizaciones líderes a que 80% de sus aplicaciones nuevas sean desechables y fáciles de reemplazar. Según Alvarez, esto altera cómo se compra, se diseña y se presupuesta el software, y convierte los portafolios de aplicaciones en sistemas dinámicos en lugar de inversiones de larga vida.

Esa tendencia le da sentido a nuestro Discovery & Innovation Lab: prototipar rápido, probar con usuarios reales y retirar sin drama lo que no funcionó. SovereignTech, que según la cobertura de la lista apunta a una base tecnológica capaz de seguir funcionando cuando cambia un proveedor, una política o un límite de hardware, se une con el trabajo de Cloud: decidir dónde vive cada carga, cómo se migra y cómo se moderniza lo que ya existe sin atarse a una sola puerta

Alvarez habló de pasar a ser arquitectos activos de las fronteras entre lo humano y lo mecánico. En el esquema de nuestro portafolio, la frase que rodea todo lo demás es Human in the loop, y lo pusimos ahí a propósito.

Carol lo resume mejor que nosotros. Hacen falta analistas que sepan leer más allá del número que entrega una prueba y lo traduzcan en riesgo para el negocio. La IA entrega información, y alguien con criterio la aterriza según el cliente y su contexto. Esa lectura, dice, es escasa. Los datos de la región lo confirman: en la encuesta de Cenisoft y Fedesoft a empresas tecnológicas colombianas, divulgada el 7 de octubre, 46% señaló la falta de talento especializado como la principal barrera para adoptar agentes de IA.

Por eso las tres capacidades se entienden mejor juntas:

Leída desde nuestro lado, la lista de Gartner deja una constante: casi todas las tendencias que tocan nuestro trabajo piden una persona con criterio al lado, alguien que revise, alguien que responda, alguien que traduzca. Así armamos también nuestros equipos híbridos de personas y agentes, con una tarea clara para cada lado y resultados que se pueden medir.