En el marco de la acelerada adopción de la inteligencia artificial (IA) en el mundo empresarial, América latina se enfrenta a desafíos y oportunidades únicas. En la siguiente entrevista de iProfesional, Luis Caro, líder de nube e innovación en inteligencia artificial de Amazon Web Services (AWS) para la región, analiza el cambio de mentalidad que requieren los líderes, el avance de los agentes autónomos y el estado de madurez de las empresas latinoamericanas frente a la IA.
A través de su experiencia, Caro ofrece una mirada profunda sobre el presente y el futuro de la inteligencia artificial en el ecosistema empresarial local.
-¿Cuál es el cambio de mentalidad fundamental que deben hacer los líderes empresariales latinos para dejar de ver a la IA como un chat y empezar a verla como un «empleado digital» capaz de tomar decisiones?
-El cambio fundamental es pasar de ver la inteligencia artificial como una herramienta conversacional a entenderla como un sistema autónomo capaz de entregar resultados completos dentro de objetivos y límites definidos. Un ejemplo de esta evolución son los «frontier agents» de AWS: son sistemas autónomos que trabajan independientemente para lograr objetivos, escalan masivamente para abordar tareas concurrentes y operan persistentemente durante horas o días sin intervención.
A diferencia de los asistentes tradicionales que ayudan con tareas individuales, los frontier agents actúan como extensiones del equipo, entregando resultados completos. Esto implica que los líderes deben definir reglas claras de autonomía, establecer mecanismos de supervisión robustos y adoptar modelos de trabajo híbridos donde la inteligencia artificial aporta velocidad y escala, mientras las personas conservan el criterio estratégico.
-¿Veremos ecosistemas donde un agente de una empresa (por ejemplo, un proveedor logístico) negocie autónomamente con el agente de un cliente (como un minorista) sin intervención humana directa? ¿Qué tan lejos estamos de esa realidad en América latina?
-Sí, definitivamente veremos ecosistemas donde agentes empresariales negocien autónomamente, y la infraestructura técnica ya existe: Amazon Bedrock AgentCore proporciona entornos seguros para agentes colaborativos con sesiones de larga duración.
Un ejemplo de esto es la solución de Visa Intelligent Commerce que permite a los desarrolladores conectar aplicaciones de pago agenticas directamente a la red de pagos de Visa y ejecutar transacciones mediante comandos en lenguaje natural, habilitando flujos de comercio agnósticos de red y comunicación segura entre agentes y comerciantes usando el Visa Trusted Agent Protocol.
En América Latina, la distancia a esta realidad depende más de la madurez de datos y la preparación organizacional que de la tecnología en sí. AWS está trabajando activamente en la región—con expansiones recientes en Chile, México y Colombia en AWS Marketplace—para hacer estas capacidades accesibles. Los desafíos principales son la calidad de datos, integración de sistemas legados y marcos de seguridad apropiados.
-Un estudio reciente de IDC e Intel señala que solo el 14% de las empresas en América latina tiene proyectos de «IA agéntica» en funcionamiento, debido a la falta de madurez en sus datos. Sin embargo, Accenture posiciona a la Argentina en el top 3 regional de preparación. ¿Coincide su visión desde AWS con estas cifras? ¿Es la calidad de los datos hoy el principal «cuello de botella» para que las empresas locales desplieguen agentes efectivos?
–La calidad de datos es definitivamente un factor crítico, pero no es el único cuello de botella. Según nuestra experiencia, las organizaciones latinoamericanas enfrentan tres desafíos principales:
- Madurez de infraestructura de datos.
- Escasez de talento especializado en inteligencia artificial.
- Integración con sistemas «legacy».
Sin embargo, vemos señales positivas: empresas en sectores tradicionales han implementado ecosistemas completos de agentes generativos sobre AWS, integrando datos estructurados y no estructurados mediante servicios como Amazon S3, AWS Glue, Amazon Redshift y Amazon Bedrock AgentCore.
En casos documentados, organizaciones desplegaron tres agentes conversacionales especializados en seis meses, alcanzando 60% de uso semanal y reduciendo 90% el tiempo de preparación de «dashboards».
-Hay casos como el de Mercado Libre, que utilizando Amazon Bedrock y Mutt Data logró generar más de 90.000 banners publicitarios y aumentar un 45% las impresiones. ¿Es este nivel de sofisticación y escala exclusivo de los «unicornios» tecnológicos? ¿Cómo trabaja AWS para que una pyme argentina pueda acceder a esta misma tecnología de agentes para competir?
-Los frontier agents de AWS (Kiro Autonomous Agent, Security Agent y DevOps Agent) están diseñados para escalar capacidades sin aumentar proporcionalmente los equipos, operando en entornos AWS, multinube e híbridos.
Estos agentes son accesibles para organizaciones de todos los tamaños. Por ejemplo, el Gobierno de la Provincia de Córdoba está entre los pioneros al implementar un sistema gubernamental de agentes de IA totalmente autónomos para monitorear, diagnosticar y reparar infraestructura cloud crítica en AWS sin intervención humana.
Utilizando Amazon Bedrock con el modelo Anthropic Claude Sonnet 4.5 y AWS DevOps Agent, la solución ha transformado radicalmente la gestión de incidentes en servicios digitales críticos que impactan a millones de ciudadanos.
Los resultados han sido extraordinarios: el tiempo de resolución de incidentes se redujo de 2-4 horas a menos de 20 minutos con una tasa de éxito superior al 90%, mientras que la detección de problemas mejoró 22 veces, pasando de 45 minutos a menos de 2 minutos, y el diagnóstico de causa raíz se aceleró 20 veces, reduciéndose de 60 minutos a tan solo 3 minutos.
Esta implementación marca un hito significativo en la transformación digital del sector público latinoamericano, demostrando que los gobiernos pueden liderar la adopción de inteligencia artificial generativa para garantizar la continuidad operativa y brindar servicios más confiables y eficientes a sus ciudadanos.
-¿Qué habilidades específicas (más allá de la programación) deben priorizar los profesionales argentinos para no ser reemplazados, sino potenciados por estos nuevos agentes autónomos?
-El enfoque descrito es de colaboración híbrida. Los agentes aportan velocidad, consistencia y escala; las personas aportan contexto, criterio ético y pensamiento estratégico. Por lo tanto, habilidades vinculadas a la toma de decisiones estratégicas, la definición de reglas y límites operativos, la supervisión de sistemas autónomos y la capacidad de validar resultados se vuelven centrales.
También es fundamental la capacidad de establecer estándares claros, interpretar hallazgos, brindar retroalimentación continua y exigir transparencia en las acciones del agente. La IA agéntica no sustituye el liderazgo humano, sino que redistribuye el trabajo para que las personas se enfoquen en decisiones de mayor impacto.
Los profesionales deben enfocarse en habilidades que complementen –no compitan con– las capacidades de los agentes: contexto de negocio, criterio ético, validación de alineación con objetivos organizacionales y capacidad de auditar sistemas autónomos.
-En un contexto económico como el de la Argentina, ¿dónde ve el retorno de inversión (ROI) más inmediato para una empresa local al implementar agentes: en la reducción de costos operativos o en la generación de nuevas ventas?
-Los beneficios destacados se centran principalmente en eficiencia operativa y reducción de tiempos. Por ejemplo, en el caso de la Provincia de Córdoba, vimos la mejora en tiempo de resolución de incidentes se reducir de 2-4 horas a menos de 20 minutos con una tasa de éxito superior al 90%. La migración de ciertas cargas de trabajo basadas en datos a AWS redujo la huella carbono de operaciones de TI hasta en un 90% frente a entornos locales.
En el ámbito de seguridad, procesos que tradicionalmente tomaban semanas pasaron a ejecutarse en horas bajo demanda, disminuyendo tiempos, costos y exposición a riesgos. En ese marco, el impacto inmediato se observa claramente en optimización operativa y reducción de fricciones.
-¿Qué mecanismos de seguridad o «guardarraíles» específicos está implementando AWS para garantizar que los agentes empresariales no tomen decisiones erróneas o peligrosas de forma autónoma?
-La autonomía se diseña bajo controles, estándares claros y mecanismos de supervisión. Los agentes operan dentro de dominios verificados por la organización, con reglas explícitas sobre qué pueden hacer de manera autónoma y qué requiere aprobación humana.
En el caso de AWS Security Agent, se aplican múltiples capas de protección: validación automática de estándares definidos por la organización, controles para prevenir sobrecarga, cifrado avanzado de datos, aislamiento estricto entre cuentas y proyectos, validación de hallazgos antes de reportarlos y detención automática ante intentos de acceso fuera de los límites establecidos. Además, los cambios generados por agentes como Kiro Autonomous Agent se presentan para revisión humana antes de aplicarse.
AWS ha desarrollado el Agentic AI Security Scoping Matrix, un marco que categoriza cuatro niveles de autonomía de agentes (desde sin agencia hasta agencia completa) con controles de seguridad específicos para cada nivel.
Los mecanismos incluyen: validación automática de estándares organizacionales, controles para prevenir sobrecarga, cifrado avanzado de datos, aislamiento estricto entre cuentas, validación de hallazgos antes de reportarlos, y detención automática ante intentos de acceso fuera de límites establecidos. Además, AWS implementa políticas de agentes (Agent Policies) que permiten definir los límites operacionales usando lenguaje natural, generando políticas formalmente verificables.
-¿Cómo se asegura técnicamente que el humano se mantenga en el bucle («human-in-the-loop») cuando los agentes ganan cada vez más autonomía?
-Se asegura definiendo con precisión los límites de autonomía y estableciendo validación humana en decisiones críticas. Aunque los agentes pueden trabajar de forma continua durante horas o días, presentan sus cambios para revisión antes de ser aplicados cuando corresponde.
Se requieren mecanismos de supervisión y monitoreo continuo, junto con transparencia en las acciones del agente, de modo que puedan explicar lo que hicieron y por qué. Este enfoque combina autonomía operativa con control humano efectivo.
El marco de AWS distingue entre «agencia» (alcance de acciones permitidas) y «autonomía» (grado de decisión independiente). Esto permite implementar controles específicos: la agencia requiere límites y sistemas de permisos, mientras la autonomía requiere mecanismos de supervisión y controles de comportamiento. AWS proporciona capacidades de monitoreo continuo, puntos de intervención estratégicos, mecanismos de degradación gradual (reduciendo autonomía cuando se detectan eventos de seguridad), y capacidades de anulación manual a prueba de manipulación.
-¿Cómo maneja AWS la soberanía de los datos sensibles de las empresas argentinas cuando estos alimentan modelos fundacionales globales en Amazon Bedrock?
-AWS mantiene un compromiso fundamental: los clientes tienen control total sobre sus datos. Con Amazon Bedrock, los datos nunca salen de la región AWS que el cliente selecciona. Los datos no se utilizan para entrenar modelos fundacionales a menos que el cliente lo autorice explícitamente. AWS cumple con las regulaciones locales en los mercados donde opera, implementando medidas de seguridad alineadas con mejores prácticas internacionales.
Además, AWS proporciona controles de residencia de datos mediante Control Tower, permitiendo a las organizaciones definir políticas que aseguran que los datos permanezcan en regiones específicas.
Para casos con requisitos más estrictos, AWS ofrece opciones como Dedicated Local Zones y cifrado con KMS External Key Store, donde las claves nunca salen de los HSM gestionados por el cliente.
-Para este año 2026, ¿cuál es la «próxima gran cosa» después de los agentes? ¿Veremos a la IA empezando a escribir su propio software o autogestionando la infraestructura en la nube sin intervención de ingenieros?
-Para 2026, estamos viendo la consolidación de agentes autónomos que pueden crear sus propias herramientas, actualizar sus propios «prompts» de sistema y aprender continuamente de interacciones. Los frontier agents de AWS ya demuestran capacidades de automejora: pueden leer su propio código fuente, construir herramientas durante la ejecución y actualizar prompts de sistema en tiempo real.
La evolución no es hacia IA escribiendo todo el software sin supervisión, sino hacia colaboración híbrida más sofisticada donde los agentes manejan orquestación compleja, optimización continua y tareas operacionales, mientras los humanos mantienen supervisión estratégica, validación y gobernanza. Vemos también el surgimiento de «meta-agentes»—agentes que orquestan otros agentes dinámicamente sin «workflows» predefinidos.
Luis Caro
-¿Visualiza un futuro cercano donde existan mercados digitales masivos —como el concepto de Moltbook— donde agentes de compra y venta «dialoguen» y cierren transacciones sin ninguna intervención humana? ¿Qué desafíos de seguridad plantea este tráfico de conversaciones autónomas?
-Este futuro es técnicamente posible y ya vemos elementos en desarrollo. Un ejemplo son los frontier agents que pueden operar con agencia y ejecutar tareas complejas sin intervención humana.
Sin embargo, los desafíos de seguridad son significativos: validación continua de comportamiento, prevención de escalada de privilegios, protección contra manipulación, mantenimiento de alineación con objetivos organizacionales, y auditoría completa de transacciones autónomas.
AWS está desarrollando controles específicos incluyendo análisis comportamental, detección de anomalías basada en ML, sistemas de respuesta automatizada, mecanismos de anulación humana a prueba de manipulación y capacidades de degradación gradual. El tráfico de conversaciones autónomas requiere autenticación federada, verificación continua de identidad, autorización comportamental y monitoreo predictivo.