La alerta del 40% de proyectos cancelados: real y ampliamente confirmada

La predicción más aleccionadora de Gartner es que más del 40% de los proyectos de IA agéntica serán cancelados por completo a finales de 2027, debido a la escalada de costes, un valor empresarial poco claro y controles de riesgo inadecuados . No se trata de una tasa de fracaso marginal; es una advertencia estructural sobre el estado actual del despliegue de la IA agéntica.

Las causas raíz están bien documentadas en múltiples análisis de esta predicción:

• Escalada de costes: Las empresas informan que los presupuestos piloto se pueden multiplicar por 800% cuando los proyectos intentan ponerse en producción .
• ROI difuso: Las organizaciones a menudo no logran demostrar el valor antes de comprometer recursos significativos .
• Vacíos de gobernanza: La mayoría de las organizaciones carecen de marcos de responsabilidad para cuando los agentes de IA realizan acciones autónomas .

Gartner también denuncia el "agent washing" (o blanqueo de agentes), una práctica de los proveedores que consiste en renombrar chatbots, herramientas de RPA (automatización robótica de procesos) y asistentes de IA estándar como "agentes" sin ofrecer capacidades agénticas genuinas . Esta confusión agrava el problema, dificultando que las empresas distingan la sustancia del marketing.

Esta previsión de cancelación ha sido ampliamente corroborada en informes independientes y aparece en múltiples publicaciones de Gartner de 2025 y 2026 . Es una de las advertencias más consistentemente repetidas por la firma.

Las apuestas de infraestructura: Data streaming y GraphRAG

Dos pronósticos de adopción marcan la dirección de la arquitectura empresarial:

La adopción de streaming de datos para IA agéntica superará el 60% en 2028, frente a menos del 15% en 2025 . La razón es que los sistemas de IA agéntica necesitan capacidad de respuesta en tiempo real, y los flujos de datos basados en eventos se vuelven más importantes que el procesamiento por lotes tradicional. Gartner identifica este cambio como especialmente crítico para la inteligencia de decisiones, las operaciones autónomas y los gemelos digitales .

El 40% de las empresas habrán utilizado técnicas de GraphRAG para 2029, combinando grafos de conocimiento con grandes modelos de lenguaje para mejorar la precisión factual y el razonamiento en casos de uso complejos . El RAG (Generación Aumentada por Recuperación) estándar tiene dificultades con consultas que requieren múltiples pasos o un contexto rico. El GraphRAG aborda este desafío estructurando la recuperación a través de grafos de conocimiento . Múltiples fuentes confirman este pronóstico, incluyendo la cobertura del anuncio de datos y analítica de Gartner de junio de 2026 .

Ambas predicciones comparten un hilo conductor: se centran en la infraestructura que hace que la IA sea fiable, no en los modelos de IA en sí. El verdadero desafío es construir los flujos de datos y las capas semánticas que los agentes y los LLM (grandes modelos de lenguaje) necesitan para ser confiables en producción.

La capa semántica y el riesgo de fracaso del 60%

Un pronóstico relacionado que no siempre es titular es la predicción de Gartner de que el 60% de los proyectos de IA fracasarán en 2028 debido a la falta de una capa semántica consistente . Esto es distinto de la cifra de cancelación del 40%: cubre un conjunto más amplio de proyectos de IA e identifica una causa técnica específica.

Hoy en día, solo el 14% de los líderes de datos se sienten seguros de que sus datos están debidamente gobernados y protegidos para la IA . Sin una capa semántica consistente —una forma unificada de que los sistemas de IA entiendan el significado y el contexto en toda una organización—, los datos desconectados impiden un rendimiento fiable y escalable. La previsión de fracaso del 60% debería hacer reflexionar a cualquier empresa que dé prioridad a la selección de modelos sobre la preparación de sus datos y contexto.

Lo que NO está confirmado

Hay dos afirmaciones que circulan ampliamente y que carecen de una fuente pública clara de Gartner:

• El encuadre exacto de las "tres principales" tendencias de D&A para 2026: Los materiales de Gartner de 2026 ciertamente enfatizan los agentes de IA, las capas semánticas con GraphRAG y las plataformas convergentes de datos y analítica como grandes temas . Sin embargo, ninguna fuente en nuestra revisión empaqueta explícitamente estos tres como las tendencias principales definitivas en esos términos precisos. Los temas están bien respaldados; la etiqueta específica de "las tres principales" no lo está.

• Que los agentes de IA generen 10 veces más datos de entornos físicos que de aplicaciones digitales para 2029: No se ha encontrado evidencia de esta afirmación cuantitativa en los resultados de búsqueda. Podría originarse en un informe diferente de Gartner no cubierto por las consultas utilizadas, y debe tratarse como no verificado hasta que se vincule a una publicación específica.

El panorama general: Una tensión entre adopción y abandono

Las previsiones de Gartner describen un mercado donde la inversión masiva y la ambición de adopción coexisten con tasas de fracaso de proyectos alarmantemente altas. Se proyecta que el gasto global en IA alcanzará los 4,71 billones de dólares para 2029, con la generación de datos sintéticos liderando el crecimiento con una tasa compuesta anual (CAGR) del 178% . Solo en la cadena de suministro, se prevé un gasto en IA de 53.000 millones de dólares para 2030, frente a menos de 2.000 millones en 2025 .

Sin embargo, esta avalancha de gasto no se traduce en despliegues fluidos. La previsión de cancelación es un síntoma de empresas que financian la IA sin la preparación de datos, las estructuras de gobernanza o los marcos de medición de valor necesarios para sostenerla. Los ganadores, según implica Gartner, serán aquellos que prioricen las plataformas convergentes, la consistencia semántica y la infraestructura de streaming antes que perseguir la última demostración de un agente.

La alerta del 40% de proyectos cancelados: real y ampliamente confirmada

La predicción más aleccionadora de Gartner es que más del 40% de los proyectos de IA agéntica serán cancelados por completo a finales de 2027, debido a la escalada de costes, un valor empresarial poco claro y controles de riesgo inadecuados . No se trata de una tasa de fracaso marginal; es una advertencia estructural sobre el estado actual del despliegue de la IA agéntica.

Las causas raíz están bien documentadas en múltiples análisis de esta predicción:

• Escalada de costes: Las empresas informan que los presupuestos piloto se pueden multiplicar por 800% cuando los proyectos intentan ponerse en producción .
• ROI difuso: Las organizaciones a menudo no logran demostrar el valor antes de comprometer recursos significativos .
• Vacíos de gobernanza: La mayoría de las organizaciones carecen de marcos de responsabilidad para cuando los agentes de IA realizan acciones autónomas .

Gartner también denuncia el "agent washing" (o blanqueo de agentes), una práctica de los proveedores que consiste en renombrar chatbots, herramientas de RPA (automatización robótica de procesos) y asistentes de IA estándar como "agentes" sin ofrecer capacidades agénticas genuinas . Esta confusión agrava el problema, dificultando que las empresas distingan la sustancia del marketing.

Esta previsión de cancelación ha sido ampliamente corroborada en informes independientes y aparece en múltiples publicaciones de Gartner de 2025 y 2026 . Es una de las advertencias más consistentemente repetidas por la firma.

Las apuestas de infraestructura: Data streaming y GraphRAG

Dos pronósticos de adopción marcan la dirección de la arquitectura empresarial:

La adopción de streaming de datos para IA agéntica superará el 60% en 2028, frente a menos del 15% en 2025 . La razón es que los sistemas de IA agéntica necesitan capacidad de respuesta en tiempo real, y los flujos de datos basados en eventos se vuelven más importantes que el procesamiento por lotes tradicional. Gartner identifica este cambio como especialmente crítico para la inteligencia de decisiones, las operaciones autónomas y los gemelos digitales .

El 40% de las empresas habrán utilizado técnicas de GraphRAG para 2029, combinando grafos de conocimiento con grandes modelos de lenguaje para mejorar la precisión factual y el razonamiento en casos de uso complejos . El RAG (Generación Aumentada por Recuperación) estándar tiene dificultades con consultas que requieren múltiples pasos o un contexto rico. El GraphRAG aborda este desafío estructurando la recuperación a través de grafos de conocimiento . Múltiples fuentes confirman este pronóstico, incluyendo la cobertura del anuncio de datos y analítica de Gartner de junio de 2026 .

Ambas predicciones comparten un hilo conductor: se centran en la infraestructura que hace que la IA sea fiable, no en los modelos de IA en sí. El verdadero desafío es construir los flujos de datos y las capas semánticas que los agentes y los LLM (grandes modelos de lenguaje) necesitan para ser confiables en producción.

La capa semántica y el riesgo de fracaso del 60%

Un pronóstico relacionado que no siempre es titular es la predicción de Gartner de que el 60% de los proyectos de IA fracasarán en 2028 debido a la falta de una capa semántica consistente . Esto es distinto de la cifra de cancelación del 40%: cubre un conjunto más amplio de proyectos de IA e identifica una causa técnica específica.

Hoy en día, solo el 14% de los líderes de datos se sienten seguros de que sus datos están debidamente gobernados y protegidos para la IA . Sin una capa semántica consistente —una forma unificada de que los sistemas de IA entiendan el significado y el contexto en toda una organización—, los datos desconectados impiden un rendimiento fiable y escalable. La previsión de fracaso del 60% debería hacer reflexionar a cualquier empresa que dé prioridad a la selección de modelos sobre la preparación de sus datos y contexto.

Lo que NO está confirmado

Hay dos afirmaciones que circulan ampliamente y que carecen de una fuente pública clara de Gartner:

• El encuadre exacto de las "tres principales" tendencias de D&A para 2026: Los materiales de Gartner de 2026 ciertamente enfatizan los agentes de IA, las capas semánticas con GraphRAG y las plataformas convergentes de datos y analítica como grandes temas . Sin embargo, ninguna fuente en nuestra revisión empaqueta explícitamente estos tres como las tendencias principales definitivas en esos términos precisos. Los temas están bien respaldados; la etiqueta específica de "las tres principales" no lo está.

• Que los agentes de IA generen 10 veces más datos de entornos físicos que de aplicaciones digitales para 2029: No se ha encontrado evidencia de esta afirmación cuantitativa en los resultados de búsqueda. Podría originarse en un informe diferente de Gartner no cubierto por las consultas utilizadas, y debe tratarse como no verificado hasta que se vincule a una publicación específica.

El panorama general: Una tensión entre adopción y abandono

Las previsiones de Gartner describen un mercado donde la inversión masiva y la ambición de adopción coexisten con tasas de fracaso de proyectos alarmantemente altas. Se proyecta que el gasto global en IA alcanzará los 4,71 billones de dólares para 2029, con la generación de datos sintéticos liderando el crecimiento con una tasa compuesta anual (CAGR) del 178% . Solo en la cadena de suministro, se prevé un gasto en IA de 53.000 millones de dólares para 2030, frente a menos de 2.000 millones en 2025 .

Sin embargo, esta avalancha de gasto no se traduce en despliegues fluidos. La previsión de cancelación es un síntoma de empresas que financian la IA sin la preparación de datos, las estructuras de gobernanza o los marcos de medición de valor necesarios para sostenerla. Los ganadores, según implica Gartner, serán aquellos que prioricen las plataformas convergentes, la consistencia semántica y la infraestructura de streaming antes que perseguir la última demostración de un agente.