Hoy, dos a\u00f1os despu\u00e9s, esa misma frase me vuelve a la mente desde el ecosistema, pero con una urgencia diferente y consecuencias mucho m\u00e1s estructurales. No estamos desaprendiendo porque lo hicimos mal, estamos desaprendiendo porque el sistema cambi\u00f3.<\/p>\n
Esta saga nace de dos momentos que ocurrieron casi al mismo tiempo y, juntos, me confirmaron que est\u00e1bamos ante algo mayor. El primero fue el VTEX Day 2026<\/a> y el extraordinario lanzamiento de VTEX Alumni Network<\/a> : la red de ex-VTEXers y ecosystem leaders que demostr\u00f3 que VTEX<\/a> hizo mucho m\u00e1s que construir tecnolog\u00eda. Construy\u00f3 un tejido de personas que hoy, con la aparici\u00f3n de los agentes, se convierte en una infraestructura de toma de decisiones. El segundo momento fue darme cuenta de que ese tejido \u2014el que une a las personas entre s\u00ed\u2014 es el punto de partida para entender c\u00f3mo unir a las personas con agentes. Y esa transici\u00f3n no es menor: es el #eTsunamiAgentico.<\/p>\n Hay momentos en la historia del comercio digital que funcionan como puntos de quiebre. La era punto-com redefini\u00f3 la velocidad, mobile redefini\u00f3 el acceso, la pandemia redefini\u00f3 la urgencia y aceler\u00f3 una madurez que muchos ecosistemas habr\u00edan tardado cinco a\u00f1os en desarrollar, pero todas esas transformaciones ten\u00edan algo en com\u00fan: el centro de la decisi\u00f3n segu\u00eda siendo humano. Las herramientas cambiaban, los canales se multiplicaban, las arquitecturas se sofisticaban, pero quien decid\u00eda \u2014qu\u00e9 comprar, cu\u00e1ndo, a qu\u00e9 precio, con qu\u00e9 criterio\u2014 era una persona.<\/p>\n El eTsunami ag\u00e9ntico rompe esa constante. No estamos ante un cambio de herramientas. Estamos ante un cambio en el sistema de toma de decisiones. La inteligencia artificial ag\u00e9ntica no recomienda, no sugiere, no espera instrucciones en cada paso: ejecuta. Negocia precios, optimiza inventarios, activa campa\u00f1as, compra. Y lo hace dentro de los guardrails que el sistema le define, con una velocidad y una escala que ning\u00fan equipo humano puede igualar.<\/p>\n Por eso, para entender esta saga, hay que poner sobre la mesa un concepto que, hasta ahora, muchas organizaciones han manejado de manera impl\u00edcita: los Decision Rights<\/strong>. Es decir: qui\u00e9n tiene derecho a decidir, sobre qu\u00e9 informaci\u00f3n, con qu\u00e9 l\u00edmites, bajo qu\u00e9 m\u00e9tricas, con qu\u00e9 trazabilidad y qui\u00e9n responde cuando el resultado no es el esperado. En la operaci\u00f3n tradicional, muchas de estas decisiones se encontraban dispersas entre \u00e1reas, l\u00edderes, sistemas, planillas, excepciones y costumbres. Una parte estaba en pricing, otra en operaciones, otra en atenci\u00f3n al cliente, otra en log\u00edstica, otra en finanzas y otra, muchas veces, en la intuici\u00f3n de quienes resolv\u00edan sobre la marcha. El eTsunami ag\u00e9ntico vuelve imposible seguir funcionando as\u00ed. Cuando una IA puede recomendar, ejecutar, negociar, bloquear, escalar o comprar, lo que antes era una zona gris organizacional se convierte en un riesgo operativo. Ya no basta con decir \u201cla IA asiste\u201d o \u201cla IA automatiza\u201d. La pregunta correcta es: qu\u00e9 decisi\u00f3n estamos moviendo, desde qui\u00e9n hacia qui\u00e9n, bajo qu\u00e9 reglas y con qu\u00e9 responsabilidad<\/strong>. Porque delegar no es abandonar. Delegar es dise\u00f1ar. Y en la era ag\u00e9ntica, dise\u00f1ar significa definir con precisi\u00f3n qu\u00e9 parte del sistema puede decidir sin pedir permiso en cada paso, qu\u00e9 parte debe asistir al humano, qu\u00e9 parte debe escalar y qu\u00e9 parte nunca debe cruzar ciertos l\u00edmites. Ah\u00ed empieza el verdadero cambio: no en la herramienta que incorporamos, sino en el mapa de poder operativo que nos animamos a redibujar.<\/p>\n El Salto Evolutivo: De la Asistencia a la Autonom\u00eda. La transici\u00f3n de la IA Asistiva a la IA Ag\u00e9ntica marca el fin de la era de la \u00abherramienta\u00bb y el inicio de la era del \u00absocio ejecutivo\u00bb. Mientras que la IA tradicional optimiza la respuesta, la IA ag\u00e9ntica optimiza el resultado final, operando con objetivos definidos y capacidad de negociaci\u00f3n sin intervenci\u00f3n humana constante. Como destaca el \u00faltimo reporte de Salesforce (2025), el ecosistema del retail no solo est\u00e1 adoptando esta tecnolog\u00eda por eficiencia, sino por supervivencia: el 75% de los l\u00edderes del sector proyecta que para 2026 la autonom\u00eda ser\u00e1 el motor cr\u00edtico del comercio digital. Ya no se trata de preguntar qu\u00e9 hacer, sino de delegar la ejecuci\u00f3n para escalar en un mercado en tiempo real.<\/em><\/p>\n El #VTEXDay de 2024 fue el punto de partida de la saga anterior. El de 2026 me da el mismo rol, pero ante un paisaje completamente diferente. En 2024 ve\u00edamos tendencias y en 2026 estamos viendo una reconfiguraci\u00f3n de la arquitectura.<\/p>\n Los grandes retailers del mundo ya no est\u00e1n piloteando, est\u00e1n desplegando. Walmart lanz\u00f3 Sparky<\/strong>, su asistente de compras integrado tanto en su propio sitio como en plataformas externas de IA como ChatGPT y Gemini. Home Depot present\u00f3 Magic Apron<\/strong>, un agente propietario que combina datos de clientes con experiencia en proyectos para brindar asistencia personalizada. Lowe’s tiene Mylow<\/strong>, que investiga materiales, verifica el stock local y genera planes de proyecto paso a paso. En Brasil, Magalu opera con Lu<\/strong> \u2014la versi\u00f3n corta de Luiza\u2014 como asistente por WhatsApp con 7,8 millones de seguidores en TikTok, que recomienda productos, procesa pagos y rastrea \u00f3rdenes, y Carrefour, con Hopla+<\/strong>, ya opera dentro de ChatGPT y en su propia app m\u00f3vil Anders Hjorth , consultor de Retail Media & Agentic Commerce, vuelca estos datos en un gran an\u00e1lisis: https:\/\/www.linkedin.com\/feed\/update\/urn:li:activity:7445386115563360256\/<\/a><\/p>\n El caso de Magalu<\/a> merece una lectura especial en Iberoam\u00e9rica. Frederico Trajano<\/a> su\u00a0gran CEO y uno de los ejecutivos que mejor entendieron c\u00f3mo liderar un retail que quiera ser moderno lo resumieron en una frase que funciona casi como un s\u00edmbolo de madurez regional: el agentic commerce ya dej\u00f3 de ser una hip\u00f3tesis<\/strong>. Su punto es importante porque no se apoya en una demo aislada ni en un prototipo de laboratorio, sino en la evoluci\u00f3n de Lu como interfaz conversacional con a\u00f1os de aprendizaje, escala y recurrencia. En otras palabras, Magalu no empez\u00f3 por \u201cponer IA\u201d sobre el comercio; empez\u00f3 por construir una relaci\u00f3n digital sostenida con el consumidor y luego fue sofisticando esa relaci\u00f3n hasta convertirla en una capa conversacional capaz de recomendar, asistir, vender, procesar pagos y acompa\u00f1ar \u00f3rdenes. Esa diferencia es cr\u00edtica. Muchos retailers van a intentar entrar al mundo ag\u00e9ntico a trav\u00e9s de la herramienta; Magalu<\/a> muestra que el camino m\u00e1s s\u00f3lido puede empezar por la confianza, la frecuencia, los datos, el h\u00e1bito y el v\u00ednculo. No es menor que Lu opere en WhatsApp, porque en nuestra regi\u00f3n la conversaci\u00f3n no es un canal perif\u00e9rico: es una infraestructura cotidiana de comercio. Ah\u00ed aparece una lecci\u00f3n clave para la saga: el futuro ag\u00e9ntico en Am\u00e9rica Latina no necesariamente va a nacer copiando la arquitectura de Silicon Valley, sino combinando plataformas globales, mensajer\u00eda masiva, comercio conversacional, datos propios, confianza acumulada y ejecuci\u00f3n local. La ventaja no ser\u00e1 solo tener un agente, sino haber entrenado durante a\u00f1os una relaci\u00f3n que el agente pueda ampliar sin romper la promesa de confianza.<\/p>\n Por su parte, McKinsey & Company<\/a> estima que el comercio ag\u00e9ntico podr\u00eda mover entre 3 y 5 billones de d\u00f3lares para 2030, lo que plantea que ya nada es aspiracional, sino una advertencia estructural sobre lo que ocurre cuando la ejecuci\u00f3n se desacopla del humano que la autoriza.<\/p>\n Un matiz importante, sin embargo, es no confundir la se\u00f1al temprana con el canal consolidado. Malte Karstan<\/a> lo plantea con precisi\u00f3n al describir el agentic commerce no como un canal ya estandarizado \u2014al nivel de social commerce, marketplaces u on-demand delivery\u2014, sino como una nueva capa de interfaz que empieza a superponerse al retail existente. Esa distinci\u00f3n es clave para esta saga: el eTsunami ag\u00e9ntico no significa que Amazon<\/a> , Walmart<\/a> , Carrefour<\/a> , Magalu<\/a> , TikTok Shop<\/a> , Instacart<\/a> o los D2C desaparezcan como capas de ejecuci\u00f3n. Significa que una nueva capa empieza a influir en c\u00f3mo el consumidor expresa intenci\u00f3n, c\u00f3mo se comparan las alternativas, c\u00f3mo se interpreta una oferta y c\u00f3mo se decide qu\u00e9 opci\u00f3n merece avanzar hacia la transacci\u00f3n. En esa capa, la visibilidad ya no depende solo de estar bien posicionado en una p\u00e1gina, en un buscador o en un marketplace, sino tambi\u00e9n de ser interpretable por sistemas que leen atributos, precios, disponibilidad, pol\u00edticas, rese\u00f1as, contenido confiable y promesas de cumplimiento. Por eso, m\u00e1s que reemplazar canales, el agentic commerce empieza a redise\u00f1ar el punto de entrada en la toma de decisiones. Y cuando cambia el punto de entrada, tambi\u00e9n cambia la arquitectura de poder: qui\u00e9n aparece, qui\u00e9n es recomendado, qui\u00e9n es descartado y bajo qu\u00e9 criterios. La batalla no empieza en el checkout; empieza mucho antes, en la capacidad de una marca, retailer o marketplace de volverse legible para una inteligencia que no navega como una persona, pero que influye cada vez m\u00e1s en lo que una persona termina eligiendo<\/p>\n Ac\u00e1 es donde quiero instalar la incomodidad central de esta saga. En 2024, el ecosistema latinoamericano aprendi\u00f3 a desaprender<\/em> para ser rentable. Para depurar su stack tecnol\u00f3gico, reducir la deuda estructural acumulada durante los a\u00f1os de crecimiento euf\u00f3rico y elegir menos herramientas y operarlas mejor.<\/p>\n Hoy, el desaf\u00edo no es depurar herramientas, sino reconocer que hay decisiones que ya no ser\u00e1n tomadas por humanos, y que la pregunta relevante ya no es \u00ab\u00bfqu\u00e9 herramienta<\/em> uso?<\/em>\u00bb sino \u00ab\u00bfqu\u00e9 decisiones estoy dispuesto a no tomar<\/em> m\u00e1s?<\/em>\u00ab<\/p>\n Si en 2024 desaprender era ordenar el crecimiento, en 2026 desaprender es hacer visible el mapa de decisiones que antes operaba en silencio. Porque lo que no se explicita, no se puede gobernar. Y lo que no se gobierna, en la era ag\u00e9ntica, se convierte r\u00e1pidamente en riesgo. Marcos Pueyrredon<\/strong><\/p>\n<\/blockquote>\n Para que esa pregunta no quede en una reflexi\u00f3n interesante pero abstracta, propongo ordenarla mediante una primera matriz simple: por un lado, la frecuencia y la velocidad<\/strong> con que una decisi\u00f3n debe tomarse; por el otro, el nivel de<\/strong> riesgo o el impacto econ\u00f3mico,<\/strong> reputacional o regulatorio<\/strong> que esa decisi\u00f3n puede generar. No todas las decisiones del comercio merecen el mismo tratamiento. Hay decisiones de alta frecuencia y bajo riesgo \u2014como informar el estado del pedido o resolver consultas simples de CX\u2014 en las que el sistema puede empezar a ejecutarse con guardrails claros. Hay decisiones frecuentes pero de mayor impacto \u2014como la sustituci\u00f3n de productos, promesas de entrega o ciertas campa\u00f1as\u2014 en las que la autonom\u00eda debe ser condicionada, monitoreada y reversible. Hay decisiones de bajo volumen pero de alto riesgo \u2014como suspensi\u00f3n de sellers, pricing estrat\u00e9gico, reclamos sensibles o conflictos regulatorios\u2014 donde el humano no desaparece: decide con soporte de IA. Y hay zonas donde la IA puede asistir, simular o preparar escenarios, pero debe escalarlos antes de ejecutarlos. Esta matriz es importante porque obliga al liderazgo a salir del debate binario entre \u201cautomatizar\u201d o \u201cno automatizar\u201d. La era ag\u00e9ntica exige una discusi\u00f3n m\u00e1s madura: qu\u00e9 se automatiza parcialmente, qu\u00e9 se delega con guardrails, qu\u00e9 se asiste y qu\u00e9 se mantiene bajo decisi\u00f3n humana<\/strong>. En otras palabras, el nuevo liderazgo no empieza eligiendo una herramienta, empieza clasificando decisiones. Porque si no clasificamos las decisiones, terminamos delegando por entusiasmo, bloqueando por miedo o improvisando la governance cuando el incidente ya ocurri\u00f3.<\/p>\n Esta matriz es el primer filtro ejecutivo de la saga: frecuencia, velocidad, riesgo e impacto. No responde a todo, pero obliga a hacer la pregunta correcta antes de enamorarse de cualquier agente.<\/p>\n <\/p>\n Esta matriz no se lee como un cuadro de automatizaci\u00f3n, sino como un mapa de autoridad. El eje vertical obliga a mirar la frecuencia y la velocidad: decisiones que ocurren muchas veces al d\u00eda no pueden depender siempre del mismo cuello de botella humano. El eje horizontal obliga a mirar el impacto: no es lo mismo responder el estado de un pedido que modificar un precio, aprobar una devoluci\u00f3n fuera de pol\u00edtica o suspender a un seller. En el cuadrante de bajo riesgo y alta repetici\u00f3n, la IA puede empezar a ejecutarse con reglas. En los cuadrantes de mayor riesgo, debe asistir, simular, recomendar o escalar. Y en las decisiones en las que el costo de equivocarse puede afectar el margen, la reputaci\u00f3n, el compliance o la confianza, el humano sigue siendo el responsable final. La clave no es automatizar m\u00e1s, sino asignar mejor la autoridad de decisi\u00f3n<\/strong>. Esa es la diferencia entre usar la IA como herramienta y empezar a gobernar un sistema ag\u00e9ntico.<\/p>\n Vista desde esta matriz, la pregunta inc\u00f3moda de esta columna se vuelve mucho m\u00e1s concreta: no se trata de si la IA puede decidir, sino de qu\u00e9 tipo de decisi\u00f3n estamos dispuestos a redise\u00f1ar primero<\/strong>. Y esa es la pregunta que ordena los tres cap\u00edtulos que siguen.<\/p>\n Vista desde esta matriz, la pregunta inc\u00f3moda de esta columna se vuelve mucho m\u00e1s concreta<\/p>\n Para avanzar un paso m\u00e1s, la matriz 2×2 necesita complementarse con un segundo mapa: no solo ordenar decisiones por frecuencia y riesgo, sino tambi\u00e9n entender qu\u00e9 modo de decisi\u00f3n corresponde en cada caso<\/strong>. Porque en la era ag\u00e9ntica no todo lo automatizable debe delegarse, no todo lo delegable debe ejecutarse sin guardrails y no todo lo riesgoso debe quedar paralizado por miedo. Hay decisiones que deben seguir en manos humanas, otras que pueden ser asistidas, otras que pueden delegarse con reglas, otras que solo pueden ejecutarse si se cumplen condiciones muy precisas, y otras que deben bloquearse o escalarse antes de convertirse en incidente. Este mapa ayuda a pasar de la pregunta \u201c\u00bfQu\u00e9 decisiones estoy dispuesto a no tomar m\u00e1s?\u201d a una pregunta todav\u00eda m\u00e1s ejecutiva: qu\u00e9 tipo de autoridad estoy dispuesto a redistribuir y bajo qu\u00e9 condiciones<\/strong>.<\/p>\n Este mapa se lee como una arquitectura de responsabilidad, no como una escalera lineal hacia la automatizaci\u00f3n total. El primer modo \u2014humano decide\u2014 protege decisiones estrat\u00e9gicas, sensibles o cr\u00edticas. El segundo \u2014asistir\u2014 permite que la IA recomiende, simule o prepare escenarios, pero mantiene la aprobaci\u00f3n humana. El tercero \u2014delegar con guardrails\u2014 permite la ejecuci\u00f3n dentro de l\u00edmites claros. El cuarto \u2014delegar condicionado\u2014 exige que los datos, las reglas y el contexto sean confiables antes de actuar. Y el quinto \u2014bloquear o escalar\u2014 recuerda que un sistema bien gobernado no es el que siempre ejecuta, sino el que sabe detenerse cuando cruza un umbral de riesgo. Lo importante para esta saga es que la redistribuci\u00f3n de Decision Rights no significa sacar al humano del sistema; significa cambiar su rol: de operador permanente de cada decisi\u00f3n a dise\u00f1ador, auditor y responsable del sistema que decide.<\/p>\n Seg\u00fan datos de Salesforce<\/a> citados por XCube Labs, el 43% de los retailers ya est\u00e1 piloteando IA aut\u00f3noma, y el 75% la considera cr\u00edtica para 2026. Gartner proyecta que para 2029 el 80% de las consultas de servicio al cliente se resolver\u00e1 sin intervenci\u00f3n humana, con un ahorro potencial de hasta el 30% en costos operativos. El MIT Center for Transportation and Logistics<\/a> document\u00f3 c\u00f3mo startups como Pactum lograron hasta un 40% de ahorro en negociaciones de compras para empresas como Walmart, con agentes que operan dentro de guardrails predefinidos pero sin instrucci\u00f3n humana en cada ronda.<\/p>\n Y en China, lo que Harvard Business Review<\/a> public\u00f3 en abril de 2026 sobre Meituan y su agente, Xiaomei, no deja lugar a interpretaciones: el usuario dicta su intenci\u00f3n en lenguaje natural, el agente interpreta, aplica las preferencias y completa la transacci\u00f3n. A menudo sin que el usuario toque la pantalla. Esto no es automatizaci\u00f3n, es delegaci\u00f3n y delegaci\u00f3n cambia la naturaleza del poder dentro del ecosistema.<\/p>\n Pero para que estos casos no queden como una colecci\u00f3n de ejemplos globales o como una nueva ronda de name dropping tecnol\u00f3gico, hay que bajarlos a la operaci\u00f3n cotidiana del comercio. Ah\u00ed aparece la matriz operativa de Decision Rights: una herramienta para workshops, boards o diagn\u00f3sticos ejecutivos que permite tomar decisiones reales \u2014estado de pedido, producto sustituto, precio din\u00e1mico, devoluci\u00f3n fuera de pol\u00edtica, negociaci\u00f3n con proveedor, campa\u00f1a promocional, fecha de entrega o suspensi\u00f3n de seller\u2014 y mapearlas con precisi\u00f3n. La pregunta ya no es si la IA puede ayudar, sino qu\u00e9 rol debe cumplir en cada decisi\u00f3n: observar, recomendar, asistir, ejecutar condicionado, optimizar o coordinar. Y, sobre todo, qui\u00e9n sigue siendo el due\u00f1o humano, cu\u00e1l es la fuente de verdad, qu\u00e9 guardrails aplican, qu\u00e9 m\u00e9trica define \u00e9xito y cu\u00e1l es el kill-switch si algo se desv\u00eda.<\/p>\n Esta matriz se lee de izquierda a derecha, como deber\u00eda leerse cualquier decisi\u00f3n cr\u00edtica en la era ag\u00e9ntica: primero se identifica la decisi\u00f3n, luego su frecuencia y riesgo; despu\u00e9s se define el due\u00f1o humano, el rol de la IA, el nivel de autonom\u00eda permitido, los guardrails, la m\u00e9trica y el mecanismo de interrupci\u00f3n. Su aporte central es convertir una discusi\u00f3n abstracta sobre IA en una conversaci\u00f3n concreta sobre accountability. No alcanza con decir \u201cel agente ejecuta\u201d si no sabemos sobre qu\u00e9 datos ejecuta, dentro de qu\u00e9 l\u00edmites, qui\u00e9n responde por el resultado y c\u00f3mo se detiene cuando cruza una l\u00ednea. En este cap\u00edtulo, la matriz cumple una funci\u00f3n clave: demostrar que el eTsunami ag\u00e9ntico no se rige por inspiraci\u00f3n, sino por dise\u00f1o operativo. Y en la saga, queda como primer artefacto pr\u00e1ctico para que cada retailer, marca, marketplace, plataforma o ecosistema empiece a revisar sus propios decision rights antes de delegar autonom\u00eda.<\/p>\n Durante la transici\u00f3n m\u00f3vil, el ecosistema latinoamericano tuvo a\u00f1os para adaptarse. Durante la pandemia, tuvo semanas, pero el contexto forzaba la acci\u00f3n. En el eTsunami ag\u00e9ntico, el margen es diferente, porque el ritmo de adopci\u00f3n del consumidor no espera al retailer.<\/p>\n Forrester estima que solo el 23% de los adultos en Estados Unidos conf\u00eda actualmente en compartir datos personales con sistemas de IA. Eso es hoy. El n\u00famero va a moverse en la direcci\u00f3n que el ecosistema haga cre\u00edble, no en la que desee. La confianza en el sistema ag\u00e9ntico se construye con infraestructura visible, guardrails auditables y trazabilidad de decisiones. No con marketing de innovaci\u00f3n.<\/p>\n La misma tensi\u00f3n empieza a verse en el mercado laboral. Josemar\u00eda Lucas, citando cifras atribuidas a Goldman Sachs y conect\u00e1ndolas con los trabajos de David Autor y su equipo en el MIT, plantea una distinci\u00f3n que, para esta saga, es central: no toda adopci\u00f3n de IA genera el mismo tipo de futuro. Hay usos que aumentan la capacidad humana y otros que sustituyen tareas sin generar una nueva capacidad organizacional equivalente. Esa diferencia importa mucho m\u00e1s de lo que parece para el comercio. Porque cuando una compa\u00f1\u00eda incorpora agentes solo para reemplazar tareas, puede ganar eficiencia de corto plazo, pero tambi\u00e9n puede erosionar el m\u00fasculo que necesita para aprender, auditar, mejorar y gobernar el sistema. En cambio, cuando usa la IA para aumentar el criterio, acelerar el aprendizaje, mejorar las decisiones y liberar talento de tareas repetitivas, empieza a construir una ventaja m\u00e1s sostenible. El punto inc\u00f3modo es que el perfil m\u00e1s vulnerable no ser\u00e1 necesariamente quien \u201cno use IA\u201d, sino quien siga operando como ejecutor de tareas aisladas en un sistema que ahora premia el contexto, la integraci\u00f3n y la capacidad de juicio. En la era ag\u00e9ntica, el talento no desaparece: cambia de lugar. Deja de estar presionando cada bot\u00f3n y pasa a estar dise\u00f1ando el circuito, interpretando los trade-offs, definiendo guardrails, leyendo la telemetr\u00eda y decidiendo cu\u00e1ndo el sistema debe avanzar, detenerse o escalar. Esa es la diferencia entre la automatizaci\u00f3n que vac\u00eda capacidades y la Human-Augmented AI que construye capacidad instalada.<\/p>\n El gr\u00e1fico que comparte Josemar\u00eda Lucas, CFA<\/a> , basado en datos de Goldman Sachs<\/a> GLOBAL INVESTMENT RESEARCH LIMITED<\/a> y del U.S. Department of Labor<\/a> , permite visualizar esa diferencia con una claridad inc\u00f3moda. A la izquierda, se observa la evoluci\u00f3n del empleo en industrias con alta exposici\u00f3n a sustituci\u00f3n por IA frente a aquellas donde la IA funciona m\u00e1s como aumentaci\u00f3n. A la derecha se muestra la tasa de desempleo promedio de tres meses en ocupaciones expuestas a sustituci\u00f3n, a aumento u otras categor\u00edas. La se\u00f1al no debe leerse como una sentencia definitiva, sino como una advertencia temprana: cuando la IA se integra como sustituci\u00f3n pura, el empleo tiende a ejercer m\u00e1s presi\u00f3n; cuando se integra como aumentaci\u00f3n, el sistema parece absorber mejor el cambio y expandir la capacidad. Para esta saga, el punto no es discutir si la IA \u201cquita\u201d o \u201ccrea\u201d empleo en abstracto. El punto es m\u00e1s operativo: qu\u00e9 tipo de arquitectura organizacional estamos construyendo al delegar decisiones a agentes.<\/p>\n Lo relevante de este gr\u00e1fico no es solo la curva roja, sino la diferencia entre dos modelos de adopci\u00f3n. La sustituci\u00f3n captura valor r\u00e1pidamente, pero puede empobrecer el aprendizaje organizacional si elimina los espacios donde se forma criterio. La aumentaci\u00f3n, en cambio, obliga a redise\u00f1ar roles, procesos y decision rights para que el talento humano asuma decisiones de mayor complejidad. En el comercio, esta distinci\u00f3n ser\u00e1 decisiva. Un agente que responde consultas, recomienda productos, ajusta precios o negocia con proveedores no es neutro: desplaza tareas, reconfigura responsabilidades y cambia las capacidades que se vuelven escasas. Por eso, el liderazgo no deber\u00eda preguntarse solamente cu\u00e1ntos procesos puede automatizar, sino qu\u00e9 capacidades humanas necesita preservar, amplificar y entrenar para que la autonom\u00eda no termine debilitando el sistema que pretende mejorar. El eTsunami ag\u00e9ntico no se gobierna reemplazando talento por software; se gobierna convirtiendo talento en capacidad aumentada, criterio distribuido y accountability trazable.<\/p>\n Quienes no entiendan eso van a quedar atrapados en el mismo error que cometieron durante la pandemia: reaccionar cuando ya pas\u00f3 el momento.<\/p>\n La diferencia entre el darwinismo digital de 2024 y el eTsunami ag\u00e9ntico de 2026 es esta: aquella vez orden\u00e1bamos la operaci\u00f3n. Esta vez estamos redefiniendo qui\u00e9n tiene autoridad para tomar decisiones en su nombre.<\/p>\n Por lo tanto, desaprender en 2024 era soltar la euforia para construir m\u00fasculo, y desaprender en 2026 es soltar la ilusi\u00f3n de que el humano seguir\u00e1 siendo el<\/strong> centro de todas las decisiones operativas del comercio.<\/strong> No porque la tecnolog\u00eda lo desplace, sino porque la velocidad, la escala y la complejidad del sistema lo requieren.<\/p>\n El que entiende esto antes, dise\u00f1a el kernel de su operaci\u00f3n con esa l\u00f3gica. El que no, va a seguir ajustando herramientas sobre una arquitectura que ya cambi\u00f3 de reglamento. Si quieren ampliar un poco m\u00e1s sobre el concepto del Kernel Agentico, les recomiendo que lean #CommerceOS: el kernel que ordena el crecimiento (Cap\u00edtulo 2 de 4)<\/a><\/p>\n![\"\"](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.13.48-p.m-1024x336.png\")
<\/a><\/p>\n![\"\"](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.15.17-p.m-1024x350.png\")
<\/a><\/p>\nLa bisagra que no se parece a ninguna anterior<\/h2>\n
![\"IA](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.16.37-p.m-1024x580.png\")
<\/figure>\nLo que el VTEX Day 2026 me confirm\u00f3<\/h2>\n
![\"IA](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.18.01-p.m-1024x597.png\")
<\/figure>\n![\"\"](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.23.16-p.m-1024x1035.png\")
<\/p>\nEl problema no es la tecnolog\u00eda, es el sistema de decisiones<\/h2>\n
\n
![\"\"](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.23.55-p.m-1024x781.png\")
<\/figure>\n![\"IA](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.24.55-p.m-1024x1278.png\")
<\/p>\n![\"IA](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.26.18-p.m.png\")
<\/figure>\nPor qu\u00e9 esta vez no hay margen de adaptaci\u00f3n lenta<\/h2>\n
![\"IA](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.27.31-p.m-1024x532.png\")
<\/figure>\n
![\"\"](\"https:\/\/pueyrredonline.com\/blog\/wp-content\/uploads\/2026\/04\/Captura-de-pantalla-2026-04-26-a-las-12.28.28-p.m-1024x353.png\")
<\/a><\/p>\n