La IA agéntica está dejando de ser una colección de copilotos. Se está convirtiendo en un ecosistema distribuido de capacidades.
La conversación sobre IA agéntica ha cambiado. Y ha cambiado de forma estructural.
Durante los primeros ciclos de adopción, la discusión estuvo atrapada en un patrón: conectar un modelo a una herramienta, crear un agente especializado, medir la productividad local. Cada agente era un copiloto. Cada copiloto operaba en un silo.
Ese momento fue necesario, pero ya no describe lo que está surgiendo ahora.
Lo que está emergiendo es un escenario donde los agentes no solo usan herramientas previamente conectadas. Descubren, evalúan y seleccionan capacidades dentro de un ecosistema distribuido, en tiempo de ejecución.
La pregunta dejó de ser "¿qué herramientas conectamos al agente?" y pasó a ser "¿qué ecosistema de capacidades la empresa está preparada para exponer?"
Esta diferencia es arquitectural, no solo conceptual.
De copilotos aislados a capacidades descubribles
El modelo mental del copiloto parte de una premisa simple: el agente conoce, de antemano, las herramientas que puede usar. Se definen en tiempo de configuración. El alcance es fijo.
En la práctica corporativa, esto funciona bien para escenarios limitados. Pero cuando la empresa necesita que los agentes operen transversalmente, entre dominios, sistemas y equipos, el modelo estático comienza a fracturarse.
La limitación no está en el modelo de lenguaje. Está en la arquitectura que define el perímetro del agente.
Un agente configurado manualmente para acceder a tres APIs no escala a un escenario donde existen cincuenta servicios potencialmente útiles, versionados por equipos diferentes, con políticas de acceso distintas y metadatos heterogéneos.
Lo que está surgiendo es la necesidad de una capa de descubrimiento: un mecanismo por el cual el agente identifica capacidades disponibles, evalúa compatibilidad, verifica permisos y decide si debe o no utilizar un recurso, todo en tiempo de ejecución.
El triángulo técnico: MCP, A2A y ARD
Para entender lo que se está formando, es necesario mirar tres especificaciones técnicas complementarias que están moldeando este ecosistema.
MCP (Model Context Protocol) estandariza la forma en que los modelos de IA se conectan a sistemas externos. Define la interfaz entre el agente y la herramienta: cómo invocar, qué parámetros pasar, qué formato de respuesta esperar. MCP resuelve el problema de la conexión.
A2A (Agent-to-Agent) permite que agentes de diferentes frameworks, proveedores y organizaciones se comuniquen entre sí. Resuelve el problema de la interoperabilidad entre agentes, no solo entre agente y herramienta.
ARD (Agentic Resource Discovery) es una especificación colaborativa que involucra a Google, Microsoft, GitHub y otros actores. Define cómo los recursos agénticos, herramientas, APIs, servicios y capacidades pueden ser catalogados, descritos y descubiertos de forma estandarizada.
La combinación de estas tres capas crea algo nuevo: la posibilidad de un ecosistema donde los agentes no solo ejecutan, sino que navegan por un catálogo de capacidades, evalúan opciones y toman decisiones sobre qué recursos usar.
Esto ya no es un copiloto. Esto es arquitectura de capacidades distribuidas.
Descubrimiento no es comprensión
Aquí está el riesgo más subestimado de esta transición.
La capacidad de un agente para descubrir una herramienta en tiempo de ejecución no significa que comprenda el contexto operacional de esa herramienta.
Un agente puede encontrar una API técnicamente compatible, con metadatos correctos, schema válido y permisos concedidos, y aun así utilizarla de forma operacionalmente inadecuada.
Porque compatibilidad técnica y comprensión operacional son cosas diferentes.
Una API de datos financieros puede ser técnicamente accesible para un agente de ingeniería, pero operacionalmente inadecuada para el contexto en que está actuando. Una herramienta de deploy puede estar disponible en el catálogo, pero su utilización fuera de un pipeline aprobado puede violar políticas de seguridad.
"Descubrimiento dinámico sin gobernanza semántica es solo automatización con mayor superficie de riesgo."
La empresa que expone capacidades sin curaduría está creando un perímetro de ejecución que no controla.
La nueva deuda técnica nace en el catálogo
La deuda técnica de la IA agéntica se está desplazando.
No nace solo en el código que el agente produce. Nace en los catálogos mal documentados, en los registries deficientemente gobernados y en los metadatos incompletos que alimentan la capa de descubrimiento.
Cuando un servicio se publica en un catálogo de capacidades sin descripción precisa, sin ownership claro, sin versionamiento y sin política de uso, el agente que lo descubra puede tomar decisiones basadas en información parcial.
Esta es una nueva clase de deuda técnica: la deuda de catálogo.
Surge cuando:
- Las descripciones de servicios son genéricas o ambiguas.
- Los metadatos de capacidad no reflejan restricciones operacionales.
- Versiones desactualizadas permanecen descubribles.
- El ownership de servicios no está asociado al registro.
- Las políticas de aprobación y bloqueo no están vinculadas al catálogo.
La documentación, en este escenario, deja de ser solo material para humanos. Se convierte en instrucciones para máquinas. E instrucciones imprecisas generan ejecuciones imprecisas.
El registry corporativo como pieza crítica
Si el descubrimiento dinámico es el camino, el registry corporativo se convierte en la pieza crítica de la arquitectura agéntica.
No basta publicar servicios y esperar que los agentes tomen buenas decisiones. El registro necesita ser curado, gobernado y auditable.
Un registry corporativo de capacidades agénticas necesita incluir:
- Curaduría: no todo servicio disponible debe ser descubrible por cualquier agente.
- Ownership claro: cada capacidad expuesta necesita un responsable identificado.
- Versionamiento: los agentes necesitan saber si están usando la versión correcta de una capacidad.
- Políticas de aprobación: capacidades críticas no deberían ser utilizables sin aprobación previa o revisión humana.
- Mecanismos de bloqueo rápido: la empresa necesita poder remover o suspender una capacidad del catálogo cuando sea necesario, sin esperar un ciclo de deploy.
"El registry no es un inventario técnico. Es un contrato operacional entre la organización y sus agentes."
Observabilidad semántica en el ecosistema distribuido
Cuando los agentes descubren y utilizan capacidades en tiempo de ejecución, la observabilidad tradicional ya no es suficiente.
Saber que una herramienta fue invocada es necesario, pero insuficiente. La empresa necesita entender la cadena que llevó a la invocación: qué instrucción originó la búsqueda en el catálogo, qué opciones fueron consideradas, por qué una capacidad fue seleccionada en detrimento de otra, y qué validación ocurrió antes de la ejecución.
Esta observabilidad no es solo técnica. Es semántica.
La cadena necesita ser rastreable: Intención > Búsqueda > Evaluación > Selección > Ejecución > Resultado > Impacto.
Sin esa trazabilidad, la empresa puede tener un ecosistema técnicamente funcional, pero operacionalmente opaco. Y opacidad operacional, en un contexto agéntico, es riesgo acumulado.
La ilusión de la autonomía fluida
Existe una narrativa seductora en este escenario: agentes que navegan libremente por un ecosistema de capacidades, descubriendo y utilizando recursos de forma fluida, sin fricción humana.
Esta narrativa es técnicamente posible. Pero operacionalmente peligrosa.
La fluidez operacional enmascara la dependencia de una arquitectura cuidadosamente diseñada. Cuando todo funciona, parece magia. Cuando algo falla, la cadena de consecuencias puede ser larga, distribuida y difícil de rastrear.
"Autonomía fluida sin arquitectura de contención es solo velocidad sin freno."
La empresa madura no busca eliminar la fricción. Busca posicionarla en los puntos correctos: antes de accesos críticos, antes de ejecuciones irreversibles, antes de decisiones que cruzan dominios organizacionales.
La inteligencia operacional está en la arquitectura
El futuro de la IA agéntica no será definido solo por quién tiene el mejor modelo. Será definido por quién logre construir la mejor arquitectura de capacidades.
Una empresa puede tener acceso a los modelos más avanzados y, aun así, operar de forma inmadura si el ecosistema de capacidades está mal gobernado, mal documentado o mal curado.
La inteligencia operacional no está solo en el modelo. Está en la arquitectura que define qué pueden descubrir los agentes, cómo pueden evaluar, bajo qué restricciones pueden ejecutar y con qué trazabilidad.
La IA agéntica está dejando de ser una colección de copilotos. Se está convirtiendo en un ecosistema distribuido de capacidades.
Y la diferencia entre las empresas que operarán este ecosistema con responsabilidad y las que solo expondrán servicios sin gobernanza será, posiblemente, la diferencia entre madurez operacional y riesgo sistemático.
Conozca cómo DevAgents OS estructura el descubrimiento gobernado de capacidades agénticas ->
Referencias
- Google Developers Blog. Announcing the Agentic Resource Discovery specification
- Agentic Resource Discovery. ARD Specification | GitHub Repository
- GitHub Changelog. Agent finder for GitHub Copilot now available
- Hugging Face. Agentic Resource Discovery: Let agents search for tools, skills, and other agents
- Anthropic. Introducing the Model Context Protocol | Documentación MCP
- A2A Protocol / Linux Foundation. Documentación A2A | GitHub Repository
- Google Cloud. Introducing Gemini Enterprise Agent Platform
- Google Cloud. Use Agent Identity with Agent Runtime
- OWASP. Top 10 for Agentic Applications 2026
_Publicado el 22 de junio de 2026_