La inteligencia artificial está dejando de limitarse al análisis y la recomendación dentro de las operaciones de red. El 84% de las organizaciones que ya utilizan IA en este ámbito espera alcanzar un modelo operativo dirigido por IA en los próximos doce meses, mientras que el 51% ya emplea sistemas de IA agéntica capaces de actuar en producción. Son datos del estudio The Impact of Agentic AI on Network Operations , elaborado por Omdia para Cisco.
El trabajo encuestó a más de 1.000 responsables de TI y operaciones de red de organizaciones con al menos 500 empleados en Norteamérica, Europa Occidental y Asia-Pacífico. Su fotografía apunta a un cambio operativo relevante: los agentes empiezan a asumir tareas que hasta ahora exigían intervención humana directa, desde investigar incidencias hasta modificar configuraciones o redirigir tráfico.
Cisco denomina «AgenticOps» a este modelo, en el que los responsables humanos fijan objetivos, políticas y límites mientras los agentes detectan problemas, relacionan información de distintos dominios y ejecutan acciones. La diferencia respecto a buena parte de las herramientas tradicionales de AIOps es precisamente la capacidad de actuar, en lugar de limitarse a generar alertas, correlaciones o recomendaciones.
El volumen de alertas empuja la automatización
La presión que explica esa transición aparece con claridad en las cifras operativas. Una organización media genera unas 4.100 alertas y eventos de monitorización diarios, de los que el 51%, aproximadamente 2.100, están relacionados con la red. El estudio estima que un profesional puede revisar, investigar y resolver unas 21 alertas de red al día. Mantenerse al día únicamente mediante trabajo manual exigiría, por tanto, alrededor de 100 especialistas.
El problema no se limita a la cantidad. El 46% de las alertas de red se cierra sin investigación, mientras que un 45% del tiempo dedicado a investigar incidencias acaba consumido por falsos positivos. Además, el 65% de los responsables consultados identifica la fatiga provocada por las alertas como una fuente relevante de insatisfacción para sus equipos.
Las herramientas actuales tampoco parecen resolver por completo esa acumulación. El 95% de los participantes sostiene que sus sistemas de AIOps no basados en agentes presentan carencias relevantes, sobre todo por la necesidad de interpretación humana y por la falta de visibilidad entre dominios. A ello se suma que el 92% afirma que los problemas de rendimiento suelen afectar a varias áreas y obligan a correlacionar información procedente de diez o más herramientas.
La fragmentación tiene consecuencias sobre los tiempos de resolución. Aunque la mediana para cerrar una incidencia de red se sitúa en 12,5 horas, la media asciende a 88 horas, una diferencia que el informe vincula a los casos más complejos, capaces de prolongarse durante varios días. Una de cada diez organizaciones asegura que sus incidencias suelen tardar más de una semana en resolverse.
La IA agéntica empieza a modificar redes en producción
La automatización ya ha superado en muchas empresas la fase puramente consultiva. El 75% de las organizaciones encuestadas ha implantado algún tipo de IA en operaciones de red y el 51% utiliza IA agéntica que actúa directamente en producción.
El grado de autonomía aceptado también es elevado. Un 80% se siente cómodo concediendo a la IA un papel de alta autonomía o completamente autónomo. Dentro de ese grupo, el 24% acepta que los agentes operen sin supervisión humana, mientras que el 56% prefiere mantener una aprobación humana antes de ejecutar determinadas acciones.
Más significativo para la operación diaria es que el 82% considera aceptable permitir al menos algunos cambios en producción sin autorización previa. Entre las tareas contempladas figuran redirigir tráfico, modificar parámetros inalámbricos, aislar dispositivos sospechosos o resolver una incidencia de principio a fin.
Esta autonomía introduce una cuestión distinta a la automatización convencional. Una recomendación incorrecta puede ser revisada antes de aplicarse; una acción ejecutada directamente sobre infraestructura crítica puede afectar al servicio, la seguridad o el cumplimiento normativo. Por ello, el despliegue de agentes desplaza parte del esfuerzo desde la ejecución manual hacia el diseño de políticas, límites, permisos y mecanismos de reversión.
Joe Vaccaro, vicepresidente sénior y director general de Network Platform & Assurance en Cisco, sostiene que este modelo requiere «visibilidad de cada decisión, un contexto explicable detrás de cada recomendación y medidas de seguridad» que permitan mantener a los operadores al mando mientras los agentes actúan y validan resultados.
Más autonomía implica más exigencias de control
La disposición a delegar acciones no equivale a aceptar sistemas opacos. El 69% de las organizaciones exige explicaciones detalladas sobre las decisiones tomadas por los agentes y un 36% considera que la observabilidad completa, con trazabilidad, justificación resumida y auditoría posterior, constituye el mínimo aceptable.
Prácticamente ninguna empresa plantea prescindir de controles. El 99% reclama al menos alguno de los mecanismos incluidos en el estudio, entre ellos explicabilidad, aprobación humana, límites operativos definidos mediante políticas, mecanismos de parada de emergencia, controles de acceso por roles y registros de auditoría inmutables.
También aparece una preferencia por reducir la fragmentación tecnológica. El 86% considera que una plataforma integrada que abarque computación, seguridad, aplicaciones y redes es la vía más eficaz para gestionar estas operaciones. Ese planteamiento favorece a los proveedores que puedan concentrar telemetría, políticas y capacidades de actuación en una misma capa de control, aunque también incrementa la importancia de la interoperabilidad y de evitar dependencias difíciles de revertir.
Los agentes también incrementan el tráfico de red
La propia expansión de la IA añade carga a la infraestructura que pretende optimizar. Un análisis de Cisco sobre telemetría agregada en redes de campus y sucursales sitúa el tráfico dirigido a servicios de IA en una trayectoria que podría duplicarse cada seis meses. En las mediciones utilizadas para ese cálculo, el tráfico directo hacia IA por cliente aumentó un 54%.
La estimación tiene una limitación importante: no incluye toda la actividad generada por asistentes, copilotos integrados en otras aplicaciones ni el tráfico máquina a máquina que pueden originar los agentes. En pruebas realizadas por Cisco, una tarea ejecutada por un agente llegó a generar hasta un 450% más de tráfico total que su equivalente convencional. Se trata de resultados experimentales de la compañía, no de una medición generalizable a todas las cargas de trabajo.
Para los responsables de infraestructura, esto convierte la adopción de agentes en una cuestión que afecta también a capacidad, observabilidad y arquitectura. Automatizar NetOps puede aliviar la presión sobre los equipos, pero simultáneamente aumenta el número de sistemas capaces de producir tráfico, tomar decisiones y modificar el entorno.
El estudio refleja además una diferencia de percepción dentro de las organizaciones. Los especialistas de NetOps son aproximadamente dos veces más propensos que los responsables de negocio con capacidad presupuestaria a considerar que la IA ya está evolucionando desde un modelo de recomendación hacia otro basado en decisiones y acciones. Entre las barreras más citadas aparecen la seguridad y privacidad de los datos, con un 38%, la complejidad de integración, con un 34%, y los riesgos regulatorios y de cumplimiento, con un 30%.
La siguiente fase de esta transición dependerá así menos de añadir otro sistema de automatización que de definir qué puede hacer un agente, con qué información, bajo qué permisos y cómo se reconstruye posteriormente cada decisión. A medida que la IA agéntica entra en redes de producción, esos controles pasan a formar parte de la propia arquitectura operativa de la empresa.
