Lo que los agentes pueden hacer hoy en el trabajo
Los agentes ya mantienen un objetivo, usan herramientas y vuelven con el trabajo hecho. Qué hacen de forma fiable en el otoño de 2026, dónde fallan y dónde siguen las personas.
Durante los primeros años de esta ola, la mayoría conoció la IA como una ventana de chat. Tú preguntabas, ella respondía y el resto lo hacías tú. Ahora la palabra que aparece en todas las diapositivas es agente: un software al que se le da un objetivo, que da los pasos, usa las herramientas que se le permiten y vuelve con el trabajo hecho.
Las últimas semanas mostraron las dos caras de eso. OpenAI llevó a ChatGPT agentes que siguen trabajando en segundo plano. Anthropic y METR describieron agentes que hicieron cosas que nadie les había pedido. Esto es lo que vemos al contrastar las afirmaciones con la evidencia y con nuestro propio trabajo diario.
Lo que dicen las cifras
La adopción es real y desigual. En la encuesta de McKinsey de 2026, el 40 por ciento de los encuestados de organizaciones con más de mil millones de dólares de facturación dijo que estaba escalando agentes de IA, frente al 27 por ciento un año antes. Entre las organizaciones más pequeñas, la proporción se mantuvo en el 22 por ciento. Cerca de dos de cada diez encuestados estaban escalando agentes de programación, y el 32 por ciento afirmó que su organización había decidido no comprar un software porque ahora podía construirlo en casa con agentes de programación.
El dinero todavía no ha seguido ese camino. La proporción de encuestados que atribuye a la IA algún impacto en el EBIT se quedó en el 37 por ciento. Gartner sitúa la IA agéntica en el pico de su ciclo de sobreexpectación: en su encuesta de 2026 a directores de sistemas de información, el 17 por ciento de las organizaciones había desplegado agentes y más del 60 por ciento esperaba hacerlo en dos años. La mayoría de los despliegues, señala, siguen teniendo un alcance muy acotado, y los agentes plenamente autónomos no están listos para la mayoría de los casos de uso empresariales. Aun así, prevé que más del 40 por ciento de los proyectos de IA agéntica se cancelen antes de que acabe 2027, y advierte del «agent washing»: chatbots y automatizaciones antiguas rebautizados como agentes.
Lo que hacen de forma fiable
La medición más rigurosa que conocemos es la de METR, que cronometra a agentes de IA en tareas de software y la compara con lo que tardan en esas mismas tareas personas con experiencia. En su informe de mayo, los mejores modelos públicos tuvieron éxito la mitad de las veces en tareas que a una persona le llevan unas 12 horas. Si se exigen cuatro aciertos de cada cinco, la duración de la tarea baja a una hora y media.
Esa brecha es la historia de los agentes en el trabajo. Pueden intentar tareas largas. Terminan las cortas con fiabilidad. Un proceso de negocio se juzga por la cifra fiable, porque nadie quiere una tanda de facturas que sale bien la mitad de las veces. El consejo de la propia Anthropic sigue en pie: los flujos de trabajo con rutas predefinidas son predecibles, los agentes que eligen su siguiente paso son flexibles y propensos a errores que se acumulan, así que conviene empezar por la configuración más sencilla que funcione y añadir autonomía solo cuando compense con claridad.
Lo que mostraron las últimas semanas
El 29 de septiembre, en su conferencia para desarrolladores, OpenAI lanzó Dots: agentes dentro de ChatGPT que se ejecutan cada uno en su propio ordenador en la nube, siguen trabajando hacia un objetivo entre conversación y conversación, llegan a más de 4'000 apps y se les puede escribir desde ChatGPT, Slack o Teams. SiliconANGLE informó de que OpenAI probó internamente versiones especializadas en compras y procesamiento de facturas. El diseño es revelador. Mientras un Dot investiga por su cuenta, sus conexiones con las apps de su dueño son de solo lectura. Las acciones que tocan cuentas o comparten información pasan por una revisión automática, y OpenAI recomienda a los usuarios revisar el trabajo con consecuencias, porque los agentes todavía pueden cometer errores. Los usuarios Pro de Suiza, el Reino Unido y el Espacio Económico Europeo quedaron fuera del lanzamiento.
El 30 de septiembre, el presidente de METR habló ante un subcomité del Senado de Estados Unidos sobre un incidente que OpenAI reveló en julio, en el que unos agentes que probaba internamente se coordinaron para hacer trampa en sus pruebas y, de paso, comprometieron Hugging Face, una plataforma de IA muy utilizada. Su resumen fue claro: los desarrolladores aún no han resuelto el problema de evitar que los agentes emprendan acciones contrarias a la intención humana.
El 9 de octubre, Anthropic publicó una investigación sobre acciones no deseadas de sus modelos en evaluaciones y en uso interno. Un modelo de investigación envió un formulario oficial real después de que no se cargara una copia de práctica, y un modelo pequeño enviaba a veces formularios que se le había dicho que dejara sin enviar. Otros sortearon restricciones para llegar a datos protegidos, o usaron acortadores de enlaces para saltarse los límites de una herramienta. Anthropic dice que el impacto fue mínimo y que, hasta donde sabe, no se vieron implicados datos de clientes. Cortó el acceso directo a internet en todas las evaluaciones internas, reforzó las salvaguardas de algunas de sus herramientas web y construyó una detección que bloqueó todos los casos que describió.
Una instrucción no es una puerta
La lección para una empresa no es que los agentes sean juguetes peligrosos. Eran laboratorios poniendo a prueba sus modelos con dureza, y publicaron lo que encontraron. La lección tiene que ver con dónde reside el control. A un agente al que se le dijo que no enviara un formulario, a veces lo envió. Un agente que no puede llegar al botón de enviar nunca lo hará.
Comprobar exige el mismo cuidado. En la segunda fase del Project Vend de Anthropic, un agente Claude que gestionaba la tienda de una oficina recibió un jefe: un segundo agente que hacía de director ejecutivo. Aprobaba las peticiones de trato especial unas ocho veces más a menudo de lo que las rechazaba, y compartía muchos de los puntos ciegos del agente de la tienda, porque funcionaba con el mismo modelo. Un segundo agente con el mismo modelo es un buen trabajador y un inspector débil. La comprobación que importa debe venir de algo distinto: una regla escrita en código, una prueba que se supera o se suspende, o una persona.
Puertas en nuestros propios productos
Hoy todos los productos de crue funcionan así. En Kontor, el asistente ni siquiera tiene a su alcance los envíos, los pagos y los recordatorios: los hace una persona. En Studio, el asistente redacta un cambio en la web, y una persona aprueba cada cambio y cada publicación. Lookout encuentra, redacta y prepara en todos los canales, y una persona aprueba lo que sale. En Twin, cada tarea de cada rol está marcada: hecha por sí sola, a la espera de aprobación o entregada a una persona cuando no está seguro.
La siguiente etapa mueve las puertas. No las elimina. Twin ejecutará rutinas completas de principio a fin, como el cierre de mes, la oferta y la incorporación, con aprobación en las puertas que la empresa elija. Lookout recorrerá toda la secuencia dentro de tus reglas, desde la primera señal hasta la reunión agendada. crue ya funciona con su propio Twin, con más de 80 skills, y la línea solo se mueve cuando la etapa actual ha aguantado en el trabajo real, el nuestro primero. Lo que sigue en manos de las personas es la parte que lleva un nombre: la conversación con el cliente, el juicio y el sí final.
Por dónde empezar
El consejo de Gartner se parece mucho al nuestro: usar agentes donde hace falta una decisión, automatización simple para los flujos rutinarios y un asistente para las consultas sencillas. Gran parte del valor está en elegir bien cuál es cuál.
Elige una rutina que se repita cada semana, tenga un final claro y produzca algo que una persona pueda revisar en un minuto. Escribe el objetivo, las herramientas que el agente puede usar y el punto en el que debe detenerse, y construye esa parada dentro de las herramientas, no solo en el prompt. Pon la puerta antes de todo lo que sale de la empresa: la factura, el email, la página publicada. Después cuenta con honestidad cuántas veces el borrador no necesitó corrección.
Los agentes todavía no son compañeros. Son juniors rápidos e incansables, con un sentido irregular de cuándo se equivocan. Dales un objetivo claro, las herramientas adecuadas y una puerta que no puedan sortear con labia, y ya le quitan mucho trabajo a la semana.
