La inteligencia artificial ha alcanzado un hito crítico: los agentes autónomos ya no se ejecutan en segundos o minutos, sino en horas e incluso días. Este salto cualitativo expone una brecha fundamental en la infraestructura empresarial actual: la mayoría de los marcos de orquestación fueron diseñados para tareas acotadas y de corta duración, no para máquinas inteligentes que funcionan como sistemas persistentes capaces de tomar decisiones autónomas durante períodos extendidos.
El modelo Kimi K2.6 de Moonshot AI representa un punto de inflexión en esta evolución. A diferencia de soluciones como Claude Code de Anthropic o Codex de OpenAI, que se apoyan en roles predefinidos y ejecución en segundo plano, K2.6 utiliza el propio modelo para determinar la orquestación dinámica. La plataforma puede gestionar hasta 300 sub-agentes ejecutando simultáneamente 4,000 pasos coordinados. En pruebas internas, Moonshot documentó casos de uso extraordinarios: un agente que construyó un compilador SysY completo en 10 horas (equivalente a dos meses de trabajo de cuatro ingenieros), y otro que ejecutó tareas de monitoreo e incident response de forma autónoma durante cinco días consecutivos sin intervención humana. Estos no son ejercicios académicos, sino demostraciones de capacidades que desafían directamente los paradigmas operacionales de las empresas modernas.
Sin embargo, esta capacidad exponencial viene acompañada de desafíos arquitectónicos aún no resueltos. La complejidad de mantener el estado de un agente mientras su entorno cambia continuamente es inmensa. Un agente de larga duración requiere gestionar múltiples conexiones a APIs, bases de datos y sistemas en evolución, sin perder coherencia en su ejecución. Mark Lambert, Chief Product Officer de ArmorCode, una plataforma de seguridad autónoma para empresas, advierte que estos sistemas pueden generar cambios de código y configuración de sistemas más rápido de lo que las organizaciones pueden revisarlos, remediarlos o gobernarlos. La brecha de gobernanza ya está superando la capacidad de despliegue: los agentes ejecutan decisiones empresariales críticas sin los mecanismos de auditoría, rollback y accountability que demanda la operación corporativa.
Para empresas latinoamericanas con ecosistemas ERP complejos —como Odoo, SAP, Oracle o sistemas heredados— esta transformación presenta tanto oportunidades como riesgos estructurales. Un agente autónomo de larga duración podría optimizar procesos de cadena de suministro, reconciliación financiera o gestión de inventarios en sistemas integrados. Imagine un agente que ejecute de forma continua tareas de validación de datos en SAP, ajuste de precios en Odoo, o sincronización de información fiscal en múltiples plataformas durante toda una semana laboral sin intervención manual. Kunal Anand, CPO de F5, señala que esto representa un cambio arquitectónico más profundo que cualquiera anterior: pasamos de scripts a servicios, de contenedores a funciones, y ahora a agentes como infraestructura persistente. Esto requiere nuevas capas tecnológicas aún sin nomenclatura consolidada: runtime de agentes, gateway de agentes, identity providers para agentes, mallas de agentes. En el contexto de un ERP, esto significa repensar cómo estos sistemas interactúan con inteligencia autónoma que toma decisiones sin supervisión constante.
La realidad operacional actual es que la mayoría de las organizaciones no están preparadas para esta transición. Los sistemas de orquestación existentes asumen ejecuciones acotadas incluso cuando corren durante períodos extendidos. Practitioners experimentados reportan que la fragilidad de los agentes de largo horizonte va más allá de lo que se puede resolver con prompts bien escritos; se trata de problemas profundos de arquitectura y gobernanza. Para empresarios e inversores latinoamericanos, la pregunta crítica es: ¿cómo adoptamos estas capacidades sin que nos controlen? Las organizaciones necesitan desarrollar marcos de gobierno de IA que proporcionen contexto, priorización y responsabilidad antes de permitir que agentes autónomos modifiquen datos en sistemas críticos como SAP u Odoo. Esto significa inversión en nuevas competencias tecnológicas, revisión de procesos de control interno, y posiblemente alianzas estratégicas con proveedores especializados en governance de IA. Quienes logren orquestar estas máquinas de forma segura ganarán ventajas competitivas extraordinarias; quienes no lo hagan enfrentarán riesgos de exposición que pueden crecer de forma silenciosa y acumulativa.
