Gartner

Gartner definió AIOps en 2016, y esa definición sigue enmarcando cómo se describen las operaciones de TI automatizadas: una progresión desde el mantenimiento predictivo, donde el sistema alerta a un humano, hasta la remediación automatizada, y de ahí a sistemas autónomos de autorreparación que diagnostican y resuelven problemas nuevos sin intervención.

Dos cifras de la firma hacen la mayor parte del trabajo argumentativo en torno a la IA agéntica. Patrick Joubert, CEO de Rippletide, abre con la brecha que midió Gartner: el 64% de los ejecutivos de tecnología quiere desplegar IA agéntica en los próximos 24 meses, mientras que solo el 17% la ha puesto realmente en producción. Él interpreta esa distancia como un problema de gobernanza y confianza, no de capacidad. Junto a esto está la previsión de que el 40% de los proyectos de IA agéntica serán cancelados para 2027 por costes excesivos, ROI poco claro y controles de riesgo inadecuados.

Una tercera predicción apunta al puesto de trabajo en sí: para 2028, el rol del desarrollador pasa de la implementación a la orquestación. Marco Mornati se apoya en ella para cerrar su experimento de un día con BMAD, en el que la restricción determinante resultó ser el juicio arquitectónico y no la generación de código.

El «Hype Cycle for Generative AI 2025» proyecta que más del 95% de las empresas habrán integrado APIs, modelos o aplicaciones de IA generativa en producción para 2028, y clasifica el campo en cuatro áreas de inversión: modelos, ingeniería de IA, agentes y aplicaciones, e infraestructura. La misma organización que prevé una adopción casi universal para 2028 prevé que cuatro de cada diez proyectos agénticos sean abandonados el año anterior.