Lo que realmente está pasando con los agentes según los resultados del segundo trimestre de 2026 en EE. UU. y China

Autor: qinbafrank

Recientemente he revisado los informes financieros de las empresas de agentes en los mercados de EE. UU. y China, y la impresión es muy fuerte: los agentes están empezando a pasar de las presentaciones a los estados financieros.

El año pasado, el mercado miraba a los agentes principalmente fijándose en si el modelo podía invocar herramientas, si podía completar tareas de varios pasos y cuántos agentes había lanzado una empresa.

En esta temporada de resultados, los indicadores observados han cambiado claramente. Ahora se empieza a mirar cuánto ARR y cuánto ACV aportan los agentes, cuántos pedidos nuevos generan, cuántos clientes están en producción y cuánto trabajo real completan cada trimestre.

Este cambio es importante.

Que un producto funcione solo demuestra que el enfoque técnico es válido. Que empiecen a aparecer ingresos, contratos, cobros y beneficios demuestra que las empresas están dispuestas a pagar de forma sostenida por esta capacidad.

Por eso me inclino a definir 2026 como el "primer año de validación financiera" de los agentes empresariales. Hablo de primer año de validación, todavía queda mucho camino hasta la madurez del sector, pero al menos ya han aparecido los primeros datos reales que se pueden incorporar a un modelo financiero.

1. EE. UU. ya ha dado una primera respuesta

Las empresas que se ven con más claridad son, en general, las que controlan los datos, los permisos y los flujos de trabajo internos de sus clientes.

1. Los ingresos por suscripción de ServiceNow en el segundo trimestre alcanzaron los 3.877 millones de dólares, un 24,5% más interanual; el ACV del negocio de IA superó los 1.000 millones de dólares y el despliegue de agentes se multiplicó por nueve en nueve meses.

Antes mucha gente veía a ServiceNow como un software de tickets de TI y flujos de trabajo; ahora se parece cada vez más al centro de mando de los agentes empresariales.

En el futuro, dentro de una empresa pueden funcionar a la vez Claude, Gemini, OpenAI y varios modelos verticales. Es necesario contar con una capa de gobernanza unificada que determine qué agente puede acceder a qué datos, en nombre de quién puede ejecutar tareas, qué acciones requieren aprobación y cómo se revierte un error.

ServiceNow ya está en esa posición. Su oferta está pasando de ser software de flujos de trabajo a un sistema de identidad, permisos, supervisión y ejecución de agentes.

2. La validación de Salesforce también es muy directa

El ARR de Agentforce ya supera los 1.500 millones de dólares, con un crecimiento interanual superior al 240%; el ARR combinado de Agentforce y Data 360 se acerca a los 3.900 millones de dólares. En el segundo trimestre, Agentforce y Slack completaron 3.200 millones de unidades de trabajo de agente, un 97% más que el trimestre anterior.

Antes, cuando el mercado hablaba de Salesforce, temía que los grandes modelos generales evitaran el CRM y se hicieran cargo directamente de las ventas y la atención al cliente. Ahora se ve que, para completar de verdad las tareas empresariales, los grandes modelos siguen necesitando datos de clientes, pedidos históricos, estado de los contratos, leads de ventas y sistemas de permisos.

Claude puede encargarse de entender la intención; Salesforce controla el contexto de negocio y el canal de ejecución.

Por supuesto, el crecimiento interanual del 240% hay que tomarlo con cautela. Salesforce ha ampliado este trimestre el alcance del ARR de Agentforce, añadiendo otros productos de IA, Slackbot y Headless 360. La dirección ya está muy clara, pero el ritmo concreto de crecimiento debe evaluarse teniendo en cuenta el cambio de criterio.

3. Los resultados de Workday también son muy representativos

La IA ya aporta más del 25% del nuevo ACV, y más de 5.500 clientes están usando al menos un agente desarrollado por Workday.

Estos datos muestran que, en escenarios sensibles como RR. HH., finanzas y auditoría, las empresas no están simplemente saltándose sus plataformas de software existentes. Los datos de empleados, las reglas salariales, las normas financieras y los permisos organizativos están dentro de Workday, y los agentes necesitan trabajar siguiendo esos flujos deterministas.

Para muchas empresas SaaS tradicionales, la IA va a comprimir una parte de las páginas, los botones y los puestos de trabajo de bajo valor. Pero las plataformas que poseen datos centrales y reglas de negocio pueden, al contrario, conseguir nuevas oportunidades de venta adicional gracias a los agentes.

4. Palantir representa otra forma distinta

Los ingresos del segundo trimestre crecieron un 93% interanual y los ingresos comerciales en EE. UU. un 149%. La fortaleza de Palantir siempre ha estado en conectar datos empresariales, entidades de negocio, permisos y procesos de producción reales, y luego usar software para completar decisiones y ejecución.

Muchos productos de agentes se quedan en "ayudar a generar una respuesta"; Palantir se acerca más a "ayudar a la empresa a conseguir un resultado".

A las empresas manufactureras les importa cuánto se ha reducido el tiempo de inactividad de los equipos; a las de cadena de suministro, cuánto ha mejorado la rotación de inventario; a los equipos de ventas, cuánto ha subido la conversión. Lo que las empresas están dispuestas a pagar caro suele ser este tipo de resultados operativos cuantificables.

Si juntamos estas empresas, se ve una tendencia muy clara:

Las primeras en beneficiarse de los agentes son, en general, las que ya estaban dentro de los sistemas empresariales centrales de las empresas.

La capacidad del modelo es importante, por supuesto, pero para desplegar agentes las empresas también necesitan datos, permisos, procesos, auditoría y puntos de entrada para el cliente. La barrera de entrada de simplemente conectar un modelo y añadir una capa de chat bajará rápidamente. Esto es lo que ya comentaba en el artículo largo sobre la adopción de la IA en la era de la ingeniería: los SaaS que realmente poseen flujos de trabajo y datos exclusivos centrales controlan el punto de entrada al trabajo, las entidades de negocio, la semántica del negocio, los permisos de usuario, los datos históricos de operaciones, los registros del sistema, las reglas del sector, la ejecución de la acción final y el feedback de los resultados del cliente.

2. El cambio más importante de estos resultados es, en realidad, la forma de medir

Antes, para juzgar los productos de IA, el mercado miraba usuarios registrados, clientes de prueba y consumo de tokens. Estos indicadores demuestran que hay interés, pero no demuestran que el modelo de negocio funcione.

Ahora cada vez más empresas empiezan a divulgar: cuánto ACV nuevo aporta la IA, cuánto ARR generan los agentes, cuántos clientes pasan de la prueba a producción y cuántas tareas completan.

Que Salesforce haya empezado a usar unidades de trabajo de agente para medir la carga de trabajo es una señal muy importante.

Antes el SaaS cobraba sobre todo por puesto: una empresa con diez mil empleados compraba diez mil cuentas. En el futuro, cuando los agentes hagan una gran cantidad de tareas por la empresa, el modelo de cobro puede ir cambiando hacia:

tarifa base por puesto, más uso de IA, más tareas completadas;

y más adelante, en algunos escenarios de alto valor, se podría cobrar por resultados.

Por ejemplo, cuántos tickets resuelve un agente de atención al cliente, cuántos leads filtra un agente de ventas, cuántos documentos procesa un agente fiscal o cuántos eventos de riesgo cierra un agente de seguridad.

En cuanto la unidad de facturación pase de "cuántas personas usan el software" a "cuánto trabajo completa el software", el techo de ingresos del SaaS también cambiará.

Empezará a entrar en el coste laboral, el gasto en externalización y el presupuesto operativo de las empresas, en lugar de limitarse a redistribuir el presupuesto de TI.

3. Por qué la mejora de la inteligencia de los modelos convertirá a los agentes en un sector de largo recorrido

El sector de los agentes tiene un umbral de capacidad muy claro: supongamos que un agente tiene un 95% de éxito en una tarea de un solo paso; si ejecuta diez pasos seguidos, la probabilidad de completar toda la tarea con éxito se queda en torno al 60%.

Por eso los primeros agentes tenían un problema frecuente: cada paso parecía bastante inteligente, pero al integrarlos en un proceso largo empezaban a fallar. La empresa tenía que poner empleados a revisar, corregir y rehacer, y al final el tiempo ahorrado no era mucho.

A medida que mejoren la capacidad de razonamiento del modelo, la longitud de contexto, la invocación de herramientas y la memoria, esta situación irá mejorando: cuantos más pasos pueda completar un agente de forma consecutiva, menos puntos de intervención humana harán falta, y los trabajos que antes no se podían automatizar irán cruzando el umbral de comercialización.

No es un proceso de desarrollo lineal.

Una pequeña mejora de la capacidad del modelo puede limitarse a hacer las respuestas más fluidas; pero cuando la fiabilidad cruza un determinado umbral, todo un flujo de trabajo puede pasar a automatizarse.

Por eso los ingresos de los agentes pueden mostrar en el futuro un crecimiento no lineal.

Hoy solo pueden organizar datos; el siguiente paso es rellenar sistemas; más adelante podrán enviar aprobaciones, hacer seguimiento del progreso y gestionar excepciones. Cada paso adicional que completen aumentará claramente el valor comercial.

Por eso los agentes no necesitan alcanzar primero la llamada inteligencia artificial general.

Fiscalidad, atención al cliente, operaciones de TI, filtrado de leads de ventas y procesamiento de documentos tienen muchas tareas con límites claros, alta frecuencia de repetición y resultados verificables. Este es el segundo escenario que mencioné después del de la codificación maliciosa:

basta con que el agente pueda completar de forma estable la mayor parte de esas tareas para que el ROI del cliente ya se sostenga.

4. China también empieza a validarlo, pero por un camino distinto al de EE. UU.

En EE. UU. lo primero que se está materializando son las plataformas empresariales y las empresas de flujos de trabajo; en China merece más atención el escenario vertical.

1. Kingsoft Office obtuvo en el primer semestre unos ingresos de 3.313 millones de yuanes, un 24,69% más interanual, y WPS 365 lleva seis trimestres consecutivos creciendo por encima del 60%.

La ventaja de Kingsoft Office es muy evidente. Tiene el punto de entrada a los documentos, la capacidad de formatos, las relaciones de colaboración y los datos de oficina de las empresas. El agente de oficina del futuro podrá generar, modificar, revisar y entregar documentos directamente, lo que tiene más valor que poner una ventana de chat al lado del documento.

Pero el beneficio neto atribuible a la matriz de Kingsoft Office creció más de un 200% en el primer semestre, y una gran parte procede de ingresos por inversiones. Al mirar el negocio principal, hay que seguir excluyendo estas partidas puntuales.

2. Servyou es un caso bastante típico de agente vertical en el mercado chino

En el primer semestre obtuvo unos ingresos de 1.012 millones de yuanes, un 9,72% más interanual; el beneficio neto excluyendo partidas no recurrentes creció un 44,04%. Los cobros de productos y negocios de IA ya representan el 33% de los cobros del negocio fiscal digital, por encima del 28% de todo 2025.

El escenario fiscal es muy adecuado para los agentes. Las reglas son relativamente claras, los datos están muy estructurados, los resultados se pueden verificar y los clientes están dispuestos a pagar por reducir costes laborales y riesgos fiscales.

Este tipo de negocio no necesita que el modelo lo haga todo. Basta con ser suficientemente fiable en un escenario estrecho para generar ingresos reales.

3. Hand Enterprise Solutions

En el primer semestre, los ingresos del negocio de inteligencia de IA fueron de unos 220 millones de yuanes, más del 100% interanual, y ya representan una proporción de dos dígitos de los ingresos de la empresa.

Hand lleva mucho tiempo haciendo implementación de ERP, cadena de suministro, fabricación y sistemas financieros. La mayor dificultad para implantar agentes empresariales suele aparecer en la conexión de sistemas antiguos, datos no estándar y flujos de aprobación complejos. Hand conoce bien estos eslabones y tiene la oportunidad de convertirse en la capa de despliegue e integración de la IA empresarial en China.

Pero en el mercado chino hay que prestar especial atención a la calidad financiera, así que la oportunidad de los agentes en China es grande, pero el análisis puede ser más difícil que en EE. UU.

Muchas empresas siguen teniendo ingresos principalmente por proyectos. Si el negocio de IA se puede estandarizar, si el margen bruto puede mejorar y si se puede pasar de la implementación puntual a la suscripción y al cobro por uso continuado, todo esto todavía hay que seguir observándolo.

5. La cadena industrial de los agentes puede acabar formando una estructura de cuatro capas

La primera capa son los modelos base y la capacidad de cómputo, que determinan el techo de inteligencia y el coste de inferencia de los agentes.

La segunda capa son los datos, la identidad, los permisos y la gobernanza. ServiceNow, Salesforce y Workday están compitiendo ahora mismo por esta capa.

La tercera capa es la orquestación y ejecución de flujos de trabajo. Aquí compiten Palantir, UiPath y algunos proveedores de servicios de digitalización empresarial.

La cuarta capa son los agentes verticales por sector, incluidos fiscalidad, oficina, legal, sanidad, fabricación, atención al cliente y ventas.

Actualmente, la validación financiera más clara está en la segunda capa.

Las empresas no se atreven a dejar que un agente sin límites de permisos y sin auditoría opere directamente sobre los sistemas centrales, así que las plataformas de datos y gobernanza tienen una posición defensiva muy fuerte.

La capa con más elasticidad a largo plazo puede ser la cuarta. Los agentes verticales pueden corresponderse directamente con una carga de trabajo concreta, el ROI es fácil de calcular y es más fácil que entren en el presupuesto de personal y externalización.

La tercera capa decide si los agentes pueden entrar de verdad en producción. Que el modelo sepa pensar no basta; también tiene que conectar sistemas antiguos, invocar herramientas, gestionar excepciones y completar el proceso de principio a fin.

UiPath será una muestra de observación muy importante. La empresa tiene previsto publicar sus resultados del segundo trimestre después del cierre del mercado el 3 de septiembre de 2026, hora del este de EE. UU.; entonces se podrá juzgar mejor la velocidad de la actualización de la RPA tradicional hacia la capa de ejecución de agentes.

6. Cómo evaluar a partir de ahora a las empresas de agentes

A partir de ahora, al mirar este tipo de empresas, creo que varios indicadores serán cada vez más importantes:

1. Primero mirar el ARR, el ACV y los ingresos reales relacionados con la IA, y después el número de clientes en producción; el valor de referencia de los clientes de prueba será cada vez menor;

2. Después mirar la contribución de la IA a los contratos nuevos. El dato de Workday de que "la IA representa más del 25% del nuevo ACV" es más significativo que cuántos agentes se han lanzado;

3. También hay que mirar el volumen de invocación de tareas, la tasa de éxito de tareas completas, la tasa de renovación y la tasa de expansión de clientes;

4. Por último, volver a los estados financieros y observar el margen bruto después de descontar los costes de inferencia, el ciclo de implementación, las cuentas por cobrar y el flujo de caja operativo.

Si cada agente que se implanta exige dedicar muchos ingenieros durante medio año a personalizarlo, se parece más a un servicio de TI tradicional.

Si el agente se puede replicar rápido y cuanto más lo usa el cliente menor es el coste unitario, entonces se liberará de verdad el apalancamiento operativo de la empresa de software.

Por último, mi forma de entender el sector de los agentes:

1) La mejora de la inteligencia del modelo decide cuántas cosas puede hacer el agente;

2) Los datos, los permisos y los flujos de trabajo de la empresa deciden si esa inteligencia puede entrar de forma segura en los sistemas de producción;

3) Los resultados reales de las tareas deciden cuánto está dispuesto a pagar el cliente.

Cada actualización del modelo empuja hacia fuera la frontera de las tareas automatizables.

Hoy son programación, atención al cliente y documentos; después entrarán finanzas, ventas, cadena de suministro, sanidad y más escenarios profesionales. Cuando mejore la fiabilidad, se reducirá la revisión humana y la economía unitaria seguirá mejorando.

Por eso los agentes probablemente sean un nuevo sector de mejora de la eficiencia que puede durar muchos años.

Pero esta oportunidad no se repartirá de forma uniforme.

Los primeros ganadores probablemente serán las plataformas que ya controlan los datos y los procesos de negocio de las empresas. El segundo grupo serán las empresas de la capa de ejecución capaces de desplegar la IA en producción y cerrar de verdad el ciclo de las tareas. En China, la elasticidad vendrá más de los escenarios verticales, pero habrá que vigilar más de cerca la calidad financiera y la estandarización de los ingresos.

2026 se parece más al primer año de validación financiera de los agentes. Antes el mercado discutía cuán inteligente era el modelo; a partir de ahora se preocupará cada vez más por cuánto trabajo ha completado realmente, cuánto dinero ha ahorrado al cliente y cuánto valor ha llegado finalmente a los ingresos, los beneficios y el flujo de caja de las empresas cotizadas.