Gestión de agentes de IA: surge una nueva profesión para orquestar sistemas autónomos en las empresas
La creciente presencia de agentes de inteligencia artificial en las empresas ha generado una demanda de profesionales capaces de coordinar sistemas que ejecutan tareas con diferentes niveles de autonomía. En lugar de limitarse a utilizar herramientas para escribir textos o analizar datos, estos especialistas organizan flujos de trabajo, supervisan resultados y establecen límites para las decisiones automatizadas.
Aunque esta función aún no tiene un nombre estandarizado en el mercado, las actividades relacionadas con la orquestación, supervisión y gobernanza de los agentes están cobrando cada vez más importancia. El desafío para las empresas es transformar los proyectos experimentales de IA en operaciones confiables, con resultados medibles y control de riesgos.
¿Qué hace un gerente de agentes de IA?
Un agente de IA es un sistema que interpreta objetivos, planifica etapas y utiliza herramientas para ejecutar tareas con mínima intervención humana. A diferencia de un chatbot convencional, que generalmente responde a solicitudes, un agente puede consultar bases de datos, activar otros sistemas y continuar un proceso.
El gerente de agentes de IA coordina este conjunto de sistemas. Sus responsabilidades pueden incluir la selección de las tareas a automatizar, la definición de criterios de ejecución, el monitoreo de errores y la determinación de cuándo una decisión debe ser revisada por una persona.
Por ejemplo, en el área de recursos humanos, los agentes pueden organizar currículos y programar entrevistas. En el servicio al cliente, pueden consultar pedidos y remitir solicitudes. En finanzas, pueden recopilar información para informes e identificar inconsistencias en transacciones.
El gestor debe garantizar que estas actividades respeten las normas de la empresa y que los resultados sean verificados. En procesos sensibles, como decisiones financieras o de contratación, la supervisión humana sigue siendo esencial.
Un estudio de Deloitte realizado en abril de 2026 mostró que solo el 21 % de los 3.235 líderes de tecnología y negocios entrevistados en 24 países consideraban que la gobernanza de agentes de IA en sus organizaciones era madura, lo que revela una brecha entre la expansión de estos sistemas y la capacidad de supervisarlos.
¿Qué habilidades debe tener este profesional?
Esta función combina conocimientos técnicos con experiencia en procesos de negocio. No siempre es necesario desarrollar modelos de IA desde cero, pero es importante entender cómo funcionan y cuáles son sus limitaciones.
Entre las habilidades relevantes se encuentran el diseño de flujos automatizados, la integración de herramientas y sistemas, la evaluación de la calidad de las respuestas y el seguimiento de indicadores de desempeño. Los conocimientos de API, análisis de datos y plataformas de automatización pueden ser requeridos en posiciones más técnicas.
También es necesario comprender la seguridad, la privacidad y la gobernanza. Un agente conectado a sistemas internos puede acceder a información confidencial o ejecutar acciones indebidas si recibe permisos excesivos o opera sin controles adecuados.
La capacidad de mapear procesos es otra ventaja clave. Antes de automatizar una actividad, el profesional debe identificar sus etapas, excepciones, riesgos y criterios de éxito, lo que requiere diálogo con equipos de tecnología y con las áreas que conocen la operación.
En sus análisis sobre agentes de IA en el entorno corporativo, Deloitte destaca la importancia de limitar el acceso de los sistemas a datos y herramientas, monitorear su comportamiento y definir responsabilidades humanas.
¿Cuál es la diferencia entre un prompt engineer y un gerente de agentes?
El prompt engineer se dedica principalmente a la elaboración y prueba de instrucciones para guiar modelos de IA, con el objetivo de mejorar la calidad, precisión y adecuación de las respuestas para una tarea específica.
Por otro lado, el gerente de agentes actúa en una capa más amplia. Su trabajo implica coordinar sistemas que pueden ejecutar varias etapas, utilizar herramientas externas e interactuar entre sí para completar un proceso.
Por ejemplo, el prompt engineer puede desarrollar instrucciones para que una IA resuma documentos financieros. El gerente de agentes puede organizar un flujo en el que un sistema recopila los documentos, otro extrae los datos, un tercero verifica inconsistencias y una persona aprueba el informe final.
Ambas actividades pueden superponerse, especialmente en equipos pequeños. La principal diferencia radica en el alcance de la responsabilidad: mientras que la ingeniería de prompts se centra en la interacción con los modelos, la gestión de agentes considera el funcionamiento del proceso completo.
¿Cuánto gana un gerente de agentes de IA?
Aún no existe una banda salarial consolidada para el cargo de gerente de agentes de IA. La nomenclatura es reciente y las responsabilidades pueden aparecer en vacantes con otros títulos, como especialista en automatización, ingeniero de IA, arquitecto de soluciones, gerente de productos de IA o profesional de operaciones de IA.
Por ello, comparar salarios requiere considerar las atribuciones del puesto, el nivel de experiencia, el país y la complejidad técnica del trabajo. Una posición orientada a la coordinación de procesos y proveedores tiende a exigir competencias diferentes a otra responsable de desarrollar arquitecturas multiagentes e integraciones corporativas.
Quienes buscan oportunidades en esta área pueden seguir anuncios que mencionen IA agente, orquestación de agentes, automatización inteligente y gobernanza de IA. Estos términos ayudan a identificar funciones relacionadas, incluso cuando el título no utiliza la expresión gerente de agentes.
¿Cómo prepararse para esta función?
Los profesionales de tecnología pueden profundizar sus conocimientos en arquitectura de sistemas, integraciones, monitoreo y seguridad. Por su parte, las personas de negocios, operaciones, finanzas y recursos humanos pueden comenzar con el mapeo de procesos y la identificación de tareas que pueden ser automatizadas con bajo riesgo.
Una forma de desarrollar experiencia es construir un proyecto piloto con un flujo delimitado, como la clasificación de solicitudes internas. La prueba debe incluir criterios de calidad, límites de acceso, registro de acciones y una etapa de revisión humana para casos excepcionales.
La evaluación no debe basarse únicamente en la velocidad de ejecución. La tasa de errores, el costo por tarea, el tiempo ahorrado y la calidad de los resultados también ayudan a determinar si la automatización produce beneficios reales.
La consolidación de esta función dependerá de cómo las empresas incorporen agentes a sus operaciones. Por ahora, más que un cargo universalmente establecido, la gestión de agentes representa un conjunto creciente de responsabilidades que combina tecnología, procesos y control operativo.








