GOLD COAST, Australia — En la pantalla del auditorio cabían diez dígitos, y eso era lo inquietante: más de 10.000 millones de agentes autónomos creados por personas, empresas y gobiernos inundarán los servicios públicos hacia finales de 2030. Gartner eligió el IT Symposium/Xpo de Gold Coast, el 15 de septiembre, para presentar sus principales predicciones estratégicas para 2027 y los años siguientes, y su mensaje tenía la densidad de un parte de guerra corporativo: la IA ya no es una herramienta aislada que se compra y se apaga; es una capa transversal de operaciones, software, infraestructura, seguridad y gobierno corporativo.
Las previsiones se agrupan en tres categorías —“robots en todas partes”, “del costo al valor” e “incógnitas desconocidas”— y Daryl Plummer, distinguished vice president analyst y Gartner Fellow, condensó la magnitud del giro con una frase que ya circula como sentencia del año: “Many of the systems we take for granted today, from public services to software, energy and workforce models, will be fundamentally transformed by AI over the next decade. The most successful organizations will be those that balance innovation with responsibility, building the capabilities needed to manage both the opportunities and the unintended consequences of an AI-driven world.”
Pero la noticia de fondo no es que los robots lleguen. Es que el dinero cambia de manos: la unidad económica del software deja de ser el usuario y pasa a ser la ejecución. Y con ella, la factura del token —esa fracción de centavo que nadie miraba— se convierte en la variable que decide presupuestos, en un vector de ataque y en el nuevo impuesto silencioso sobre la competitividad empresarial.
El tercer pronóstico de Gartner lo dice sin eufemismos: para 2030, el 80% de las organizaciones con IA expuesta al público habrá sufrido un ataque de agotamiento de costos (cost exhaustion attack) diseñado para disparar su gasto de inferencia. No es un robo de datos ni una filtración: es un ataque que se cobra en tokens. Un agente o chatbot público puede ser provocado —con bucles de preguntas, contextos artificialmente largos o tareas recursivas— hasta consumir órdenes de magnitud más inferencia de la prevista. Gartner recomienda tratar el consumo de tokens como un indicador de ciberseguridad, desplegar controles de seguridad centrados en el costo y extender el monitoreo a todas las tecnologías de IA.
La consecuencia operativa es inmediata: la pregunta ya no será solo dónde implementar inteligencia artificial, sino cómo gobernar una organización en la que la IA —y el gasto en IA— se multiplica por todas partes sin permiso humano previo.
De dónde viene este giro: el arbitraje de los asientos vacíos
El modelo de pago por usuario nació cuando el usuario era quien tocaba el teclado. Funcionaba bien mientras un humano abría una aplicación y la usaba. Pero la economía agéntica rompe ese supuesto por las dos puntas: ¿qué sucede cuando un agente ejecuta tareas en cuatro aplicaciones diferentes y el empleado ni siquiera necesita ingresar a ellas?
Los números de la propia Gartner dibujan la ruptura. Hacia finales de 2026, hasta el 40% de las aplicaciones empresariales podría incorporar agentes especializados, frente a menos del 5% actual. Y el costo de inferencia por flujo de trabajo agéntico —no por token, sino por tarea completa— podría multiplicarse por más de cinco veces hasta 2028, según el pronóstico que la consultora publicó en agosto de 2026. El precio unitario del token puede seguir cayendo mientras la factura total se dispara: es la paradoja de Jevons aplicada a la IA, y describe con precisión lo que reportan las mesas de compras estadounidenses, donde el dilema ya no es qué modelo es más potente, sino qué modelo resuelve la necesidad al menor costo aceptable.
La magnitud del dinero en juego explica la prisa de los gigantes por colonizar la capa de pagos. Gartner calcula que los clientes máquina —software que compra en nombre de humanos— controlarán alrededor de 30 billones de dólares en compras hacia 2030, con los agentes de IA comandando unos 15 billones en operaciones entre empresas desde 2028. Y advierte que hasta 234.000 millones de dólares del gasto empresarial en aplicaciones podrían quedar expuestos hacia 2030 al llamado “agentic arbitrage”: software que cobra por asiento para usuarios que ya no existen, porque el trabajo lo hace un agente.
El balance, sin embargo, dista de ser unívoco. McKinsey ofrece una medición mucho más estrecha y sitúa entre 3 y 5 billones de dólares el comercio de consumo mediado por agentes para 2030: una brecha de un orden de magnitud que revela cuán especulativa sigue siendo la economía agéntica. La capa de pagos confirma la incertidumbre: Stripe y Tempo, Mastercard y Coinbase compiten con cuatro estándares distintos y cero consenso.
Anatomía de la factura: cómo se gasta un agente
Para entender dónde se fuga el dinero conviene abrir el capó de un flujo de trabajo agéntico típico. Esta es la ruta de un token facturado, paso a paso:
┌─────────────┐ ┌──────────────┐ ┌──────────────────┐ ┌────────────────┐
│ Disparador │────▶│ Orquestador │────▶│ Modelo(s) en │────▶│ Herramientas │
│ (usuario o │ │ (planifica, │ │ inferencia │ │ (APIs, bases, │
│ sistema) │ │ delega) │ │ (múltiples │ │ navegadores) │
└─────────────┘ └──────┬───────┘ │ llamadas por │ └────────────────┘
│ │ tarea) │
│ └────────┬─────────┘
▼ ▼
┌───────────────┐ ┌────────────────────┐
│ Reintentos y │ │ TOKENIZADOR: cada │
│ bucles (el │───▶│ llamada, cada │
│ gran costo │ │ reintento y cada │
│ oculto) │ │ contexto se cobra │
└───────────────┘ └────────────────────┘Cada caja de ese diagrama es una línea de factura. Un flujo agéntico no ejecuta una llamada al modelo: ejecuta decenas —planificación, razonamiento, llamadas a herramientas, verificación, reintentos—, y cada una suma tokens de entrada y de salida. Por eso la métrica que importa ya no es el precio por millón de tokens, sino el costo por flujo de trabajo completado, que Gartner ve quintuplicándose para 2028. El ataque de agotamiento de costos simplemente se instala en ese circuito: un atacante que conoce el diseño del agente puede forzar reintentos, inflar contextos y provocar cascadas de llamadas sin que el tablero de seguridad parpadee, porque nada se “robó”.
Y el cambio de modelo de negocio ya está en marcha:
| Lo que muere | Lo que nace | Quién pierde |
|---|---|---|
| Licencia por usuario/asiento | Cobro por conversación resuelta, tarea ejecutada o corrida de agente | SaaS que factura por humanos que ya no abren la app |
| Software como producto instalado | Software como servicio medido por consumo | Equipos de compras que presupuestan por nómina |
| Presupuesto de TI predecible | Gasto de inferencia variable y atacable | CFO sin monitoreo de tokens en tiempo real |
Voces: entusiasmo con factura adjunta
Plummer plantea el dilema en términos de gobernanza: innovar sin responsabilidad multiplica las consecuencias no previstas. La lectura escéptica llega desde los propios números: la distancia entre los 30 billones de dólares de Gartner para clientes máquina y los 3 a 5 billones de McKinsey para comercio mediado por agentes es una señal de que la demanda agéntica se proyecta con entusiasmo y se contrata con cautela. Los mercados financieros parecen intuirlo: la infraestructura de pagos para agentes —los protocolos de Stripe, Mastercard y Coinbase— existe, pero ninguna capa domina, y el dinero se distribuye entre demanda, software y pagos sin un ganador claro.
Desde la experiencia operativa con proyectos de automatización en la región, el veredicto pragmático es menos grandilocuente y más urgente: el riesgo inmediato no es quedarse fuera de la economía agéntica, sino entrar en ella sin instrumentación de costos. Un agente conectado a WhatsApp, a un CRM o a un portal de clientes puede parecer barato en la prueba de concepto y volverse impredecible en producción, cuando los volúmenes, los reintentos y los abusos convergen.
La lente latinoamericana: dólares, trámites y soberanía
En Colombia, esta historia tiene una moneda: el dólar. Los tokens se facturan en dólares, los márgenes se calculan en pesos, y una devaluación puede convertir un flujo agéntico “eficiente” en un centro de costos descontrolado de un trimestre para otro. Las empresas con operarios de primera línea en logística, retail, manufactura y BPO —precisamente el 80% que Gartner ve asistido por IA física para 2030— operan con márgenes ajustados donde la factura de inferencia no es un detalle técnico: es el P&L.
Hay un segundo frente menos visible: los trámites. Si más de 10.000 millones de agentes saturarán servicios públicos identificando oportunidades, verificando elegibilidad y presentando solicitudes, los portales estatales de la región —que ya colapsan en temporadas pico— necesitarán identidades verificables para agentes y límites de tasa antes de que la marea los alcance. La recomendación de Gartner a los gobiernos (modernizar infraestructura digital, fortalecer verificación) aplica con particular urgencia donde la fila digital ya es parte de la vida cotidiana.
Y hay una tercera lección, de soberanía: quien fija el precio por token fija las reglas. Las empresas que construyen sus orquestaciones sobre herramientas abiertas —n8n, microservicios en Python, modelos privados— conservan la opción de cambiar de proveedor cuando el precio se mueve; las que se casan con una plataforma cerrada descubren que el lock-in ahora se cobra por ejecución. Cuánto cuesta implementar IA en una empresa colombiana y la lógica de los agentes que operan con patrimonio propio son dos piezas del mismo rompecabezas: el software que antes costaba por licencia ahora costará por hacer, y quien no mida lo que hace no sabrá lo que paga.
Gartner no está prediciendo el futuro de la tecnología. Está describiendo el futuro de la factura. Y en 2030, según sus números, esa factura tendrá diez dígitos de agentes trabajando para usted —o contra su presupuesto.