IA hoy HENNGE crea filial dirigida por agentes autónomos
HENNGE lanza una empresa donde los agentes de IA hacen el trabajo operativo, mientras la investigación muestra que los riesgos de despliegue están abandonados. Qué implica para LatAm.
HENNGE, la compañía japonesa de seguridad cloud, presentó el 1 de octubre su nueva subsidiaria HENNGE AI: una empresa donde solo los dos directores son humanos. El resto de la operación —desarrollo de producto, marketing, atención al cliente— queda en manos de agentes de IA autónomos que ejecutan tareas sin supervisión humana directa. Las ventas y parte de la gestión administrativa permanecen en la casa matriz.
El anuncio tiene dos lecturas. Por un lado, HENNGE AI desarrollará un producto llamado AI Gateway, una capa que centraliza el acceso a múltiples modelos de lenguaje: asignación por usuario o grupo, control de costos, visibilidad de consumo y configuraciones de seguridad. El servicio, que prevé integrarse con ChatGPT y Claude, comenzaría a ofrecerse para septiembre de 2027. Por otro lado, la subsidiaria funcionará como laboratorio vivo para validar qué estructura organizacional adoptan las empresas cuando los agentes son la fuerza de trabajo.
El vacío de conocimiento en producción
La apuesta ocurre justo cuando la evidencia académica sobre el despliegue real de IA es precaria. Un estudio del Social Science Research Council que examinó 1.178 papers de seguridad entre 9.439 investigaciones sobre IA generativa (enero 2020 a marzo 2025) encontró que los laboratorios corporativos —Anthropic, Google DeepMind, Meta, Microsoft y OpenAI— concentran su producción en etapas previas al lanzamiento: alineamiento de modelos y evaluación en entornos controlados.
Solo el 4 % de los papers corporativos aborda riesgos de alto impacto en entornos reales, como persuasión, desinformación, contextos médicos o financieros, violaciones de propiedad intelectual y alucinaciones. El sesgo, una de las áreas más críticas para entender comportamientos injustificados de los modelos, quedó prácticamente en manos de la academia.
El problema es estructural: un modelo en producción se comporta distinto de en laboratorio. Los agentes autónomos añaden capas que no aparecen en las pruebas de escritorio: orquestación de flujos, recuperación de datos externos, guardarraíles que pueden faltar cuando el acceso es vía API, y sistemas de observabilidad (LLMOps) que hoy son práctica interna y confidencial de cada empresa. El estudio recomienda abrir a investigadores externos los datos de telemetría de los sistemas desplegados, algo que hoy es casi inexistente.
La lectura para América Latina
Para una empresa latinoamericana, esta combinación es una advertencia operativa concreta. Adoptar agentes de IA no es instalar software: es asumir responsabilidad sobre un sistema cuyo comportamiento real está insuficientemente documentado. En una región donde las regulaciones de IA todavía se están definiendo, las organizaciones necesitan construir sus propias capas de control desde el primer día: registrar qué modelos usan sus agentes, medir costos por operación, auditar respuestas en producción y fijar protocolos internos para cuando un agente falle. Herramientas como el AI Gateway que planea HENNGE apuntan exactamente a ese problema de administración, pero hasta que maduren, la disciplina interna es el único mecanismo disponible.
También hay una señal de mercado: si una firma de seguridad japonesa decide que la mejor forma de aprender sobre gobernanza de agentes es operar una empresa casi sin humanos, el mensaje es que los riesgos de esta tecnología no se resuelven con teoría, sino con exposición controlada y medición sistemática. La pregunta para los ejecutivos de la región no es si los agentes de IA llegarán a sus operaciones, sino si su organización estará en condiciones de observar, documentar y controlar lo que esos agentes hacen. La infraestructura de gestión de IA —el equivalente a un sistema ERP para modelos autónomos— probablemente será tan crítica como los propios modelos.
