De los chatbots a los agentes: cómo se usa la IA para ejecutar tareas con supervisión

La inteligencia artificial dejó de ser sólo una ventana para hacer preguntas. Los modelos actuales pueden interpretar documentos, consultar herramientas y proponer una secuencia de acciones para completar una tarea. Ese cambio, de responder a ejecutar, está dando forma a los llamados agentes de IA, sistemas que trabajan dentro de un flujo definido y no únicamente en una conversación aislada.

Un agente no es una persona digital autónoma. Es una combinación de modelo, instrucciones, memoria limitada, herramientas y reglas de autorización. Puede clasificar correos, resumir expedientes, preparar una tabla o abrir una aplicación, pero necesita permisos concretos y un objetivo verificable. La calidad depende tanto de la arquitectura como del diseño del proceso que lo rodea.

En una redacción, por ejemplo, un agente puede convertir una entrevista transcrita en una ficha, detectar datos que requieren confirmación y proponer titulares. En una pequeña empresa puede comparar facturas con órdenes de compra o generar un primer reporte de ventas. En ambos casos el beneficio está en reducir tareas repetitivas, no en delegar el criterio editorial, contable o legal.

La frontera más visible es el uso de computadora. Anthropic documentó que Claude puede interpretar una pantalla, mover un cursor, hacer clic y escribir mediante una configuración específica de computer use. La propia empresa advierte que el sistema aún puede ser lento y cometer errores, por lo que la capacidad debe operar en entornos acotados y con supervisión humana.

Los modelos de nueva generación también incorporan mejores herramientas para razonamiento y programación. OpenAI describe su familia GPT-5.6 como una oferta con variantes orientadas a capacidad, equilibrio y eficiencia. Para un usuario, esa diversidad significa que no siempre conviene elegir el modelo más grande: una tarea sencilla puede resolverse con menor costo y latencia en una opción compacta.

El primer control debe ser la información. Antes de conectar un agente a un sistema interno hay que definir qué datos puede leer, cuáles puede modificar y qué acciones requieren aprobación. Contratos, historiales de clientes, expedientes médicos y credenciales no deben quedar disponibles por defecto. El principio práctico es mínimo privilegio: sólo el acceso indispensable para la tarea.

También se necesita una bitácora. Registrar la instrucción recibida, las fuentes consultadas, las acciones realizadas y el resultado permite revisar errores y atribuir responsabilidades. Si el agente envía un correo, cambia un registro o publica un texto, la organización debe poder reconstruir la decisión y detener el flujo cuando aparezca una señal de riesgo.

La productividad no se mide por la cantidad de tareas automatizadas, sino por la reducción de tiempos y errores sin deteriorar la calidad. Un piloto pequeño, con datos no sensibles y métricas claras, ayuda a comparar el desempeño del agente con el de un proceso manual. La revisión humana debe concentrarse en los pasos de mayor impacto y no convertirse en una aprobación mecánica.

La transición hacia agentes será gradual y desigual. Su mayor oportunidad está en quitar fricción a procesos repetitivos; su principal peligro, en confundir fluidez con confiabilidad. La regla para la adopción responsable es sencilla: cada acción debe tener un dueño, un límite y una forma de verificación. Fuentes consultadas: Anthropic sobre computer use y OpenAI sobre la familia GPT-5.6.