Dada la creciente volatilidad de los costes de la IA, las organizaciones tienen dificultades para mantener tanto la calidad de los agentes como la previsibilidad financiera. Así se desprende del informe Splunk State of Observability 2026: Restoring Predictability in the AI Era publicado por Cisco, que desvela una importante desconexión: la urgencia por implementar agentes de IA está superando rápidamente la capacidad para supervisarlos.

Basado en consultas a 2.050 profesionales de operaciones de TI e ingeniería de 10 países, el informe destaca cómo la capacidad de observación está ayudando a restablecer la estabilidad y la previsibilidad financiera de los sistemas de IA basados en agentes, proporcionando el marco de gobernanza necesario para generar confianza en los agentes y facilitar que el gasto en IA esté vinculado al valor empresarial.

Dado que el 83% de los encuestados afirman estar preocupados por las consecuencias no deseadas de los agentes de IA, existe una necesidad urgente de ‘observabilidad de los agentes’: la capacidad de supervisar los agentes de IA y establecer medidas de protección. Esta demanda está impulsando a los equipos de operaciones de TI e ingeniería a colaborar más estrechamente con los equipos de seguridad, a medida que los agentes obtienen acceso a todo el stack tecnológico.

La observabilidad de los agentes, prioridad y carencia

A medida que las organizaciones incorporan agentes de IA en flujos de trabajo como el desarrollo de software y la experiencia del cliente, una acción incorrecta de un agente puede derivar en un fallo crítico para el negocio.

A diferencia de la supervisión de las aplicaciones tradicionales, la visibilidad del comportamiento de los agentes de IA requiere un nuevo tipo de métricas de comportamiento vinculadas a los resultados empresariales y a la toma de decisiones de los agentes. Aunque muchos reconocen el valor de la tecnología de observabilidad de los agentes, los encuestados siguen teniendo dificultades para implementar o evaluar estas herramientas de manera eficaz:

• El 87% confirman que la supervisión de la IA es una prioridad para su organización; sin embargo, el 54% no tienen resultados empresariales claros vinculados a ella.
• El 56% admiten no poder establecer métricas de la carga de trabajo de la IA, como la calidad de respuesta de los modelos de lenguaje grande (LLM), una métrica fundamental para hacer un seguimiento del éxito de un agente de IA.
• Aunque el 85% afirman que es importante tener visibilidad sobre las ‘alucinaciones’ de la IA, sólo el 58% afirman ser eficaces a la hora de hacerlo.

La IA está generando costes impredecibles

La observabilidad es lo que hace que el gasto en IA sea visible, atribuible y controlable. Cuando las organizaciones ejecutan docenas de agentes en múltiples modelos, los costes y el uso de la IA pueden volverse muy complejos. Además, la IA está agravando el problema del volumen de datos para muchas organizaciones, haciendo que examinar montañas de datos resulte casi imposible:

• El 55% afirman que no puede controlar los costes de la IA, ya que su uso se ha vuelto más complejo, con un consumo en aumento y un uso que sigue siendo difícil de predecir.
• El 60% afirman que los picos inesperados en la facturación causan más presión operativa que los elevados costes básicos.
• El 57% consideran que sus costes de telemetría superaron el coste de la infraestructura supervisada, convirtiendo así la previsibilidad financiera en algo crítico.
• El 67% de los consultados utilizan una única plataforma de observabilidad, proporcionando una visión unificada para identificar con exactitud de dónde proceden los costes de telemetría.

La convergencia entre observabilidad y seguridad reafirma la confianza en la IA

A medida que los agentes de IA adquieren un mayor acceso a las operaciones de las empresas, su supervisión requiere la colaboración entre los equipos de ITOps, ingeniería y seguridad, eliminando las barreras que históricamente les han mantenido separados.

• El 81% afirman que la supervisión de las cargas de trabajo de IA ha aumentado la colaboración entre los equipos de observabilidad y seguridad, y el 73% pueden rastrear con precisión los problemas de rendimiento hasta sus causas fundamentales de seguridad, frente al 65% del año pasado.
• Cada vez son más los equipos de observabilidad que resuelven problemas (77%) junto con los equipos de seguridad, frente al 62% en 2025. El intercambio de datos entre equipos ha aumentado del 74% al 84%.

La ventaja de los líderes: recuperar la previsibilidad en la era de los agentes

En el estudio, un grupo avanzado de organizaciones se perfilaron como líderes, ya que están logrando resultados empresariales concretos gracias a sus prácticas de observabilidad. Estos líderes siguen tres buenas prácticas:

• Recurren a agentes de IA para solucionar y prevenir problemas con frecuencia; utilizan agentes para llevar a cabo y ejecutar tareas clave de corrección de forma habitual.
• Supervisan de cerca los factores que controlan la IA. Los líderes se centran especialmente en supervisar la calidad, el coste, el uso, la seguridad y la privacidad de los modelos.
• Relacionan las señales con el impacto en el negocio. Estos encuestados avanzados coinciden en que la telemetría es un factor clave en su proceso de planificación y les ayuda a tomar decisiones estratégicas.

El informe de este año revela así que la priorización de la supervisión de los agentes de IA, los costes impredecibles y la preocupación por la IA agéntica siguen siendo temas clave en los 10 países encuestados.

“La mayoría de empresas pronto contarán con muchos más agentes en funcionamiento que personas”, destaca Jeetu Patel, Presidente y Director de Productos en Cisco. “Gestionar agentes a gran escala requiere replantearse tanto la seguridad como la observabilidad. En el mundo de la IA, saber si los agentes se han visto comprometidos o están haciendo bien su trabajo resulta esencial. El informe muestra que los datos de observabilidad y seguridad están convergiendo, y que los equipos deben colaborar más que nunca. Las plataformas de datos comunes que nos ayudan a detectar y responder a los problemas en tiempo real son la clave para desplegar agentes en los que podamos confiar a gran escala”.