La Batalla por el Control de los Agentes de IA

Resumen ejecutivo

• Los datos: La encuesta VentureBeat Pulse a 70 empresas muestra que la cuota de orquestación nativa de Anthropic pasó del 0% en enero al 5,7% en febrero de 2026 — mientras la adopción de Claude a nivel de modelo se disparó del 23,9% al 56,2% entre enero y marzo.

• El cambio: La carrera de IA empresarial ya no gira en torno a qué modelo es mejor. Ahora se trata de quién controla la capa de infraestructura donde los agentes ejecutan tareas, almacenan memoria y toman decisiones de enrutamiento.

• La sorpresa: El mayor riesgo al adoptar Claude Managed Agents no es la capacidad del modelo. Es que los datos de sesión, los grafos de ejecución y la lógica de enrutamiento quedan almacenados en los sistemas de Anthropic — no en los tuyos.

Durante los últimos dos años, la conversación sobre IA en la mayoría de los comités de dirección ha sonado más o menos igual: ¿qué modelo usamos? ¿GPT-4o o Claude? ¿Gemini o Llama? El supuesto implícito era que elegir el modelo correcto equivalía a ganar la partida. Ese enfoque está quedando obsoleto, y los datos que lo evidencian proceden de una encuesta de VentureBeat Pulse que apenas está llegando a los despachos de los directivos.

Anthropic pasó de tener cero presencia en la orquestación de agentes empresariales en enero de 2026 al 5,7% en febrero. Un solo mes. Y la adopción de Claude a nivel de modelo subió del 23,9% al 56,2% entre enero y marzo. No son cifras incrementales. Es una curva de despegue que señala directamente hacia la capa de infraestructura, no hacia el modelo en sí.

Qué dicen realmente los números — y qué no dicen

Siendo precisos: el 5,7% representa cuatro respondentes de un total de 70 en la cohorte de VB Pulse. Quien describa esto como un momento decisivo de cuota de mercado está exagerando. Pero esa también es exactamente la lectura equivocada de este dato.

VentureBeat lo señala como estratégicamente relevante porque marca la primera vez que el uso de Claude migra de la capa de modelo a la orquestación nativa en cualquier encuesta de seguimiento empresarial. Antes, las empresas usaban Claude como modelo — enviaban prompts, recibían respuestas — pero la orquestación (enrutamiento, memoria, ejecución de herramientas, gestión de estado) residía en otro lugar: LangChain, Microsoft Copilot Studio o pipelines internos propios. Algo cambió en enero de 2026.

Lo que cambió es Claude Managed Agents — la apuesta de Anthropic por convertirse no solo en el modelo que usas, sino en el entorno de ejecución donde tus agentes viven. La plataforma gestiona grafos de ejecución, gestión de estado, memoria, enrutamiento de herramientas y evaluación, todo dentro de la infraestructura gestionada de Anthropic. Microsoft y OpenAI siguen liderando la orquestación empresarial por un margen amplio. Sin embargo, la trayectoria de adopción de Claude sugiere que la cuota de orquestación podría seguir el mismo camino.

Lo que ‘Managed Agents’ hace a tu arquitectura

Dejando de lado el lenguaje de producto, lo que Claude Managed Agents significa en la práctica es lo siguiente: los datos de sesión de tus agentes, el historial de ejecución y la lógica de enrutamiento se almacenan en una base de datos gestionada por Anthropic. Los agentes corren en el entorno de ejecución de Anthropic. El marco de evaluación — el mecanismo que determina si un agente completó su tarea correctamente — vive dentro de los sistemas de Anthropic.

Esta es una relación fundamentalmente distinta a usar Claude vía API. Con la API, tu equipo construye y posee toda la lógica de orquestación: memoria, enrutamiento, gestión de estado, evaluaciones. Con Claude Managed Agents, cedes esas funciones a un proveedor único.

Para un responsable de marca o un COO, esto se traduce en una pregunta que quizás no saben que se les está formulando: ¿Quién controla la capa operativa de tu fuerza de trabajo de IA? La mayoría de las empresas no han respondido a esta pregunta de forma consciente. Están adoptando herramientas, no tomando decisiones de arquitectura. Esa diferencia va a costar cara.

Datos Epinium

En más de 500 marcas que Epinium ha conectado a flujos de trabajo de comercio y marketing asistidos por IA a lo largo de cinco años, el patrón es llamativamente consistente: las marcas llegan con entre cuatro y siete herramientas de IA ya en uso pero sin ninguna capa de orquestación que las conecte. El problema del plano de control no es teórico — es el cuello de botella más frecuente en nuestras auditorías de incorporación.

¿No sabes quién controla tu stack de agentes de IA? La práctica Transform de Epinium audita tus herramientas actuales y traza una estrategia de orquestación unificada →

La pregunta sobre el bloqueo que nadie hace en voz alta

Aquí está la lectura contrarian de todo esto: la tasa de ingresos anuales de 30.000 millones de dólares de Anthropic — construida sobre un crecimiento de 80 veces en un solo trimestre, según reveló el propio CEO Dario Amodei — es precisamente lo que hace que la preocupación por la dependencia del proveedor sea real y no académica. No es una startup que pueda desaparecer. Es una empresa que compite a escala, con fuertes incentivos comerciales para profundizar su control sobre la infraestructura de IA empresarial.

Lo que vemos en Epinium es que las empresas más expuestas son las marcas medianas que adoptaron IA de forma rápida y amplia en 2024 y 2025 sin tomar una decisión paralela de gobernanza. Ahora descubren que “usamos Claude” se ha convertido silenciosamente en “Claude gestiona nuestros agentes” — y no tienen una estrategia de salida clara si los precios cambian o los términos de la API se modifican.

Las alternativas son reales. LangChain, LlamaIndex, AutoGen y CrewAI ofrecen marcos de orquestación de código abierto. Microsoft Azure AI Foundry y Amazon Bedrock Agents ofrecen orquestación gestionada con diferentes características de dependencia. Para entender cómo comparan las arquitecturas de orquestación, la guía Agentic AI Explained de Epinium recorre las opciones en lenguaje accesible. Y si quieres entender cómo las grandes empresas despliegan agentes en ERP y operaciones hoy, el análisis de SAP Autonomous Enterprise es el referente a leer.

Los datos de VentureBeat están contando una historia que parecerá obvia en retrospectiva: la carrera de IA empresarial se desplazó de modelos a infraestructura en los primeros meses de 2026, y la mayoría de las empresas no lo estaban viendo. El salto de Anthropic del 0% al 5,7% de adopción de orquestación en un solo mes no es un movimiento de celebración. Es una señal de que las decisiones arquitectónicas reales ya se están tomando, a menudo sin la participación de quienes deberían tomarlas.

Las marcas que se adapten más rápido serán las que traten la orquestación de agentes como una cuestión de gobernanza, no de tecnología. Eso significa preguntarle hoy a tus proveedores de IA quién posee el plano de control — y qué costaría cambiar esa respuesta.

¿Listo para auditar tu arquitectura de IA antes de que te bloquee? La práctica Transform de Epinium ha guiado a más de 500 marcas en decisiones de adopción de IA, desde la selección de modelos hasta la estrategia de orquestación y el despliegue operativo. Descubre cómo Epinium mapea tu stack de IA →

¿Qué es exactamente un plano de control de agentes empresariales?

El plano de control es la capa que se sitúa por encima de los modelos de IA individuales y gestiona todo lo que hacen en un flujo de trabajo en producción: enrutar solicitudes, almacenar contexto entre sesiones, ejecutar herramientas, evaluar resultados y gestionar fallos. Es, en la práctica, el sistema operativo de tu fuerza de trabajo de IA. Elegir un plano de control es una decisión más grande y más difícil de revertir que elegir un modelo — porque los modelos se pueden cambiar, pero los planos de control acumulan dependencias con el tiempo.

¿En qué se diferencia Claude Managed Agents de usar la API de Claude directamente?

Con la API, tu equipo de ingeniería construye y posee toda la lógica de orquestación: memoria, enrutamiento, gestión de estado, evaluaciones. Claude Managed Agents gestiona todo eso automáticamente, a cambio de almacenar los datos de sesión y la lógica de ejecución dentro de la propia infraestructura de Anthropic. El intercambio es velocidad de despliegue frente a independencia arquitectónica.

¿Cuál es el riesgo real de dependencia del proveedor y cuándo se convierte en problema?

El riesgo no es que Anthropic vaya a comportarse de forma desleal — la empresa está bien financiada y es estructuralmente sólida. El riesgo es el poder de fijación de precios: una vez que el estado, la memoria y el historial de ejecución de tus agentes residen en los sistemas de Anthropic, migrar a otra capa de orquestación implica reconstruir esos componentes desde cero. Las empresas que no negocien términos de portabilidad de datos antes de la adopción son las más expuestas.

¿Deben preocuparse las marcas medianas o es un problema solo de grandes corporaciones?

Las marcas medianas pueden estar más expuestas que las grandes empresas, que suelen contar con equipos dedicados de arquitectura de IA. Una marca que despliega Claude Managed Agents para automatización de e-commerce o gestión de catálogos está tomando una decisión de infraestructura que se compone durante 18 a 24 meses de desarrollo de producto. El momento de diseñar con flexibilidad es al inicio del despliegue, no después de que varios ciclos de producto hayan construido dependencias sobre el stack de un solo proveedor.

¿Cuáles son las alternativas prácticas para evitar la dependencia de un solo proveedor de orquestación?

Los marcos de orquestación de código abierto — LangChain, LlamaIndex, AutoGen, CrewAI — permiten orquestar Claude o cualquier otro modelo sin depositar el estado de los agentes en los sistemas de Anthropic. Las opciones gestionadas en la nube como AWS Bedrock Agents, Azure AI Foundry y Google Vertex AI Agent Builder ofrecen comodidad similar con estructuras de dependencia distintas. La arquitectura más resiliente usa una capa de orquestación agnóstica al modelo, que permite cambiar modelos manteniendo la lógica de ejecución y las evaluaciones bajo tu propia gobernanza.