Un agente de IA aprueba el reembolso equivocado a las tres de la madrugada. Nadie lo ve —no existe un log estructurado para esa decisión, solo el reclamo del cliente registrado dos días después, en un canal que nadie cruza con el comportamiento del agente. Este escenario no es una hipótesis de peor caso: es el promedio de la industria en 2026, cuando la mayoría de los agentes de IA en producción opera con visibilidad insuficiente sobre qué pasó, cuándo y por qué.
La flota de agentes de IA en producción se duplicó desde diciembre de 2025, según el State of AI Agent Security 2026, relevamiento de Gravitee con más de 900 ejecutivos y profesionales técnicos. La cobertura de monitoreo no acompañó el ritmo —quedó estancada cerca del 50% mientras el número de agentes crecía. En la práctica, esto significa que la cantidad absoluta de agentes sin monitoreo no bajó: aumentó, porque la velocidad de despliegue superó a la de instrumentación.
El síntoma: el agente falla y la primera señal viene del cliente
El patrón se repite en casi toda operación que ya tuvo un incidente real de agente: nadie en el equipo técnico vio la desviación antes de que se volviera un problema visible. La primera señal llega por el canal equivocado —reclamo en soporte, captura en el grupo interno, pregunta de la dirección después de una noticia. Cuando alguien finalmente investiga, la pregunta básica ("qué decidió el agente, y por qué, en esa interacción") no tiene respuesta, porque la ejecución no dejó rastro.
Ese vacío es distinto del problema clásico de monitoreo de sistema. Uptime de API, latencia de base de datos, tasa de error HTTP —eso la mayoría ya lo mide bien. Lo que falta es visibilidad sobre la decisión del agente: qué herramienta llamó, en qué orden, con qué dato, y por qué eligió ese camino en vez de otro. Un agente puede tener 99,9% de uptime y, al mismo tiempo, decidir mal en el 15% de las interacciones —los dos números viven en paneles distintos, y la mayoría solo mira el primero.
El costo de ese vacío no es solo el incidente aislado —es la incapacidad de responder, con dato, a la pregunta que todo ejecutivo hace después del primer error visible: "¿esto ya había pasado antes, en menor escala?" Sin trace estructurado, la respuesta siempre es una reconstrucción de memoria, y eso no convence a un auditor, a la dirección ni al cliente.
El 48% de la flota opera sin monitoreo —y la brecha crece
El dato central del relevamiento de Gravitee es directo: la cobertura media de monitoreo de agentes de IA en producción es del 52%, lo que deja al 48% de la flota sin instrumentación. Solo el 9,5% de las organizaciones monitorea más del 81% de los agentes que puso en producción —la mayoría opera con cobertura parcial, viendo parte de la flota y a ciegas en el resto.
El dato más revelador no es el porcentaje aislado —es la tendencia. La cobertura media casi no se movió desde diciembre de 2025 (de ~47% al 52% actual) en el mismo período en que la flota total se duplicó. Esto confirma, con dato de mercado, el patrón que ya registramos en el diario de campo de 90 días operando 5 agentes en producción: la coordinación y la observabilidad se rompen antes que el modelo, y cuando la empresa escala agentes más rápido de lo que escala instrumentación, la brecha no se cierra sola —se acumula.
Un agente sin observabilidad no sale más barato —solo esconde el costo hasta que aparece el incidente.
La presión de accountability agrava el problema. El mismo relevamiento encontró que solo el 7,2% de las organizaciones tiene una persona formalmente responsable del comportamiento de un agente específico —la mayoría describe la responsabilidad como poco clara, compartida sin definición, o simplemente nunca discutida. Sin trace de ejecución, ni siquiera la empresa que nombrara a esa persona le daría con qué trabajar: un dueño del agente sin instrumentación es un título sin instrumento —la persona tiene la autoridad formal y ningún dato para ejercerla a tiempo.
Qué es la observabilidad de agente —y por qué no es un dashboard de uptime
Observabilidad de agente es la práctica de instrumentar cada ejecución de un agente de IA de forma que sea posible reconstruir, después del hecho, el camino de decisión completo: qué herramienta se llamó, en qué orden, con qué dato de entrada, dónde el flujo se desvió o escaló a un humano, y cuál fue el resultado final. Es distinto del monitoreo de infraestructura clásico, que mide si el sistema está en pie; mide si la decisión que tomó tenía sentido.
El framework que se viene consolidando en el mercado organiza la práctica en cuatro ejes complementarios: tracing (el registro estructurado del camino de ejecución, hoy mayoritariamente estandarizado sobre OpenTelemetry), evaluación continua (señal de calidad en producción, no solo en prueba aislada), costo (latencia y gasto de inferencia por interacción, no por lote agregado) y gobernanza (la política que define quién revisa qué y con qué frecuencia). Faltar cualquiera de los cuatro deja un punto ciego: trace sin evaluación muestra qué pasó pero no si estaba bien; evaluación sin trace muestra la tasa de acierto pero no dónde nació el error.
Muchas empresas confunden "tenemos herramienta de observabilidad" con "instrumentamos el agente" cuando en la práctica solo activaron un panel de latencia y error HTTP —el mismo que ya usaban para cualquier API. Eso mide si el agente está en pie. No mide si está en lo correcto.
Cuatro señales de que su operación de agente observa de verdad
Pocas operaciones tienen las cuatro señales de abajo al mismo tiempo —y es justamente la combinación, no un ítem aislado, lo que cierra el vacío entre incidente y respuesta.
- Trace completo por ejecución, no por lote. Cada llamada a herramienta, decisión de enrutamiento y resultado intermedio queda registrado individualmente —no solo el output final agregado en un informe semanal.
- Costo y latencia por interacción. Sin granularidad por conversación, nadie aísla qué interacción específica disparó el presupuesto de inferencia o se colgó —el mismo problema que aparece cuando la empresa intenta cobrar el consumo interno de IA sin medir por quién lo usa.
- Señal de calidad continua, no solo eval periódico. Un eval set fijo detecta regresión entre versiones; el muestreo de producción revisado por un tercero detecta el drift que solo aparece después de que el sistema ya está en vivo. La observabilidad sin ese segundo protocolo ve la ejecución, pero no si estaba bien.
- Alertas que llegan a una persona nombrada, no a un canal genérico. Una desviación detectada a las 3am que solo aparece en un dashboard que nadie mira hasta el lunes no cerró el vacío —solo le cambió la forma.
Sin instrumentación, el dueño del agente decide a ciegas
El cargo de dueño del agente —presente hoy en el 56% de las empresas que operan IA a escala, según investigación de mercado— resuelve la mitad del problema: le da a un agente específico una persona con nombre, autoridad y presupuesto para responder por él. Pero autoridad sin señal no produce una decisión mejor, produce una decisión más rápida a ciegas. Un dueño sin trace de ejecución descubre la desviación igual que la descubriría sin cargo alguno: por el incidente, no por la instrumentación.
Esto explica por qué los dos números del relevamiento de Gravitee van juntos: 48% de flota sin monitoreo y 7,2% de empresas con responsable nombrado no son dos problemas separados —son la misma brecha vista desde dos ángulos. Instrumentar sin nombrar dueño deja el dato sin quién decida sobre él; nombrar dueño sin instrumentar deja la decisión sin dato que la respalde. Los dos necesitan existir juntos —y la mayoría de las empresas, hoy, no tiene ninguno de los dos en cobertura relevante.
Siete de cada cien empresas saben, hoy, quién responde cuando el agente falla. Las demás se enteran en el incidente.
Cerrar esa brecha no es un proyecto de seis meses. Es una decisión de arquitectura tomada antes de que el próximo agente entre en producción: instrumentar tracing, costo y evaluación continua como parte del despliegue —no como una iniciativa separada que "se hace después de que el piloto pruebe valor". Una vez que el piloto se vuelve producción a escala, instrumentar sale más caro y la brecha ya produjo el primer incidente sin explicación.
Preguntas que siempre vuelven
Para cerrar, las dudas más comunes sobre observabilidad de agentes de IA.
¿Qué es la observabilidad de agentes de IA?
La observabilidad de agentes de IA es la instrumentación que registra, de forma estructurada, cada decisión, llamada a herramienta y resultado de un agente durante su ejecución en producción —permitiendo reconstruir después del hecho qué pasó, cuándo y por qué. A diferencia del monitoreo de infraestructura, que mide si el sistema está en línea, mide si la decisión que tomó tenía sentido. El framework consolidado en el mercado organiza la práctica en cuatro ejes: tracing, evaluación continua, costo por interacción y gobernanza de quién revisa qué.
¿La observabilidad reemplaza a la evaluación (evaluation) de agente?
No —las dos resuelven preguntas distintas y se complementan. La evaluación mide, en una muestra, si la respuesta del agente era correcta, típicamente con un eval set fijo ejecutado en cada versión y muestreo periódico de producción revisado por un tercero. La observabilidad captura el trace completo de toda ejecución, en tiempo real, permitiendo investigar una interacción específica después de que algo salió mal. Una empresa que solo evalúa conoce la tasa de acierto agregada pero no puede reconstruir un incidente específico; una que solo instrumenta trace ve qué pasó, pero no sabe si estaba bien sin la segunda capa de evaluación encima.
¿Quién debería ser el dueño de la observabilidad del agente?
La misma persona que responde por el agente —el dueño del agente, cuando ese cargo existe, o quien acumula esa función de forma informal. La observabilidad no debería ser un proyecto aislado del equipo de plataforma, desconectado de quien tiene autoridad para pausar o corregir el agente: dato sin dueño que decida sobre él produce un dashboard que nadie mira, y dueño sin dato decide sin instrumento. Una empresa que separa formalmente las dos responsabilidades tiende a repetir, en observabilidad, el mismo vacío que motivó crear el cargo de dueño del agente en primer lugar.