Latinoamérica empieza a llevar la IA agéntica a servicios reales

La conversación sobre agentes de IA suele estar dominada por demos, benchmarks y nuevas capacidades de los modelos. Pero en América Latina empieza a aparecer otra señal más importante: sistemas que salen del laboratorio y se conectan con servicios reales. El LAC AI Accelerator del World Bank está apoyando 18 soluciones en 12 países de la región. Los proyectos incluyen agentes para atención ciudadana, gestión de casos, asignación de citas médicas, empleo, análisis de contratos, salud, movilidad, política económica y coordinación de trámites públicos. Lo relevante no es solo que existan agentes, sino que cada iniciativa parte de un problema operativo concreto y de una institución que tendrá que integrarlos dentro de procesos, datos y responsabilidades existentes.

EL AGENTE DEJA DE SER UNA DEMO

Un agente resulta fácil de demostrar cuando el entorno está controlado. Puede consultar información, responder preguntas o encadenar varias acciones dentro de un escenario preparado. El desafío aparece cuando debe operar dentro de un servicio que ya tiene usuarios, sistemas, reglas y consecuencias reales. Eso es precisamente lo que empieza a ocurrir en varios de los casos seleccionados por el World Bank. En Bogotá, por ejemplo, un agente se integra con el portal distrital y conecta información pública con tareas dentro del sistema de atención ciudadana. En Turks and Caicos, otro agente coordina casos completos de tratamiento médico en el extranjero con supervisión humana.

LOS CASOS REALES NO EMPIEZAN POR LA TECNOLOGÍA

Una de las decisiones más interesantes del Accelerator es que no exige que una propuesta sea “agéntica” a toda costa. El programa prioriza la claridad del problema, la preparación de la organización, la disponibilidad de datos, la factibilidad, la seguridad y el potencial de escala. Esa lógica importa porque evita una de las trampas más comunes en adopción de IA: empezar por una capacidad tecnológica y luego buscar dónde utilizarla. En un entorno real, la pregunta correcta es si IA —agéntica o no— es la mejor forma de resolver el problema.

EL SALTO ESTÁ EN CONECTAR LA IA CON EL SERVICIO

Los casos más interesantes no se limitan a responder preguntas. Buscan intervenir sobre procesos completos. En Chile, un sistema detecta cupos liberados en atención primaria y los reasigna automáticamente a pacientes en lista de espera. En Costa Rica y República Dominicana, una plataforma busca permitir que ciudadanos completen trámites mediante lenguaje natural mientras coordina workflows entre instituciones. En Uruguay, otro sistema resume historias clínicas completas para ayudar a médicos a acceder rápidamente a información relevante durante consultas breves. Ahí aparece una diferencia importante: la IA deja de estar al lado del proceso y empieza a formar parte del proceso.

“The first one is to go from reactive to proactive.”

DE REACTIVO A PROACTIVO

El ejemplo de Johan Bjurman Bergman es simple: un servicio público tradicional espera a que la persona recuerde que debe renovar una licencia, encuentre el sitio correcto, reserve una cita y complete el trámite. Con IA, el sistema puede anticipar la necesidad y acercarse al ciudadano antes de que el problema aparezca. Ese cambio de lógica puede ser más importante que el chatbot en sí. Un servicio proactivo utiliza datos, contexto y automatización para mover el proceso antes de que la persona tenga que iniciarlo manualmente.

LA MADUREZ ORGANIZACIONAL IMPORTA TANTO COMO EL MODELO

El Accelerator no evalúa solo la solución técnica. También analiza conectividad, capacidad de cómputo, infraestructura digital, disponibilidad de datos, habilidades y gestión de riesgos. Además, exige equipos multidisciplinarios capaces de entender tanto la tecnología como el problema que están intentando resolver. Esta combinación explica por qué llevar IA a producción es distinto de construir un prototipo. La calidad del modelo importa, pero también importa si la institución tiene datos utilizables, responsables claros, capacidad operativa y mecanismos para mantener la solución después del piloto.

EL PILOTO SOLO TIENE VALOR SI PUEDE ESCALAR

El World Bank utiliza cinco criterios para evaluar propuestas: impacto y relevancia, adecuación de IA y datos, factibilidad del equipo, seguridad y responsabilidad, y sostenibilidad y escala. La intención es validar qué soluciones deberían continuar y cuáles deberían detenerse. El objetivo de un piloto no es demostrar que la tecnología puede producir una respuesta, sino generar evidencia suficiente para decidir si merece integrarse, financiarse y replicarse.

LOS SERVICIOS PÚBLICOS SON UN LABORATORIO EXIGENTE

El World Development Report 2026 señala que la IA ya está transformando funciones administrativas como pronóstico meteorológico y fiscalización tributaria, pero también advierte que la falta de evidencia para seleccionar, comprar y evaluar soluciones limita su impacto en servicios ciudadanos. Conectividad, habilidades y datos siguen siendo restricciones relevantes. Esto convierte al sector público en un entorno particularmente exigente para IA agéntica: las soluciones deben ser útiles, pero también confiables, seguras y capaces de funcionar dentro de estructuras institucionales complejas.

QUÉ SIGNIFICA PARA LAS EMPRESAS

Aunque estos casos provengan en gran medida del sector público, la lógica es directamente aplicable a empresas. El valor aparece cuando la IA se conecta con un proceso que tiene un objetivo, responsables, datos y métricas, no cuando se despliega como una herramienta aislada. Una empresa puede aplicar el mismo criterio: seleccionar un problema concreto, comprobar si IA es realmente adecuada, evaluar disponibilidad de datos, diseñar controles, probar el workflow y decidir si existe suficiente evidencia para escalar. La disciplina es la misma. Un agente no debería llegar a producción porque resulta impresionante, sino porque mejora una operación de forma verificable.

EL CAMBIO IMPORTANTE ES PASAR DE EXPERIMENTAR A OPERAR

Los 18 casos del LAC AI Accelerator no prueban que la región ya haya resuelto la adopción agéntica. Sí muestran algo más útil: la conversación está comenzando a moverse desde lo que la IA puede hacer hacia dónde puede operar con sentido. Ese cambio es probablemente la señal más importante de madurez. Cuando la tecnología se evalúa por su capacidad de integrarse con problemas, procesos y resultados reales, deja de ser una demostración y empieza a convertirse en infraestructura de servicio.