Agentes de IA: el 'empleado digital' ya trabaja, pero todavía hay que vigilarlo

TESIS. El agente de IA —el sistema que no solo responde, sino que actúa— es real y ya produce valor medible, pero vive una tijera incómoda: la capacidad bruta de los modelos crece a ritmo exponencial mientras la fiabilidad en el trabajo de oficina real sigue rondando el 30%. Nuestra lectura: el 'empleado digital' autónomo no está aquí todavía; lo que sí está aquí, y va a transformar el trabajo antes de 2030, es el 'becario digital incansable' que ejecuta mientras un humano define, verifica y responde. Quien entienda esa diferencia ganará; quien compre el relato del empleado completo se apuntará a la estadística de proyectos cancelados.

QUÉ ES UN AGENTE DE VERDAD. Conviene empezar por la definición, porque hay mucho ruido. Un chatbot recibe una pregunta y devuelve texto. Un agente es otra cosa: un bucle de control que planifica pasos, usa herramientas externas (navegador, código, APIs, bases de datos), observa el resultado de cada acción, guarda memoria de lo hecho y repite hasta cumplir el objetivo o agotar su presupuesto. Planificación, herramientas y memoria: si falta una de las tres patas, no es un agente, es un chatbot con marketing. Y el marketing abunda: Gartner llama a esto 'agent washing' y estima que, de los miles de proveedores que se anuncian como agénticos, solo unos 130 ofrecen capacidades agénticas reales. Primer filtro para el lector: antes de comprar un 'agente', pregunte qué planifica, qué herramientas ejecuta y qué recuerda.

LA CIFRA QUE IMPORTA. Hay dos números que definen el estado del arte, y se contradicen solo en apariencia. El primero viene de METR, un laboratorio independiente de evaluación: mide el 'horizonte temporal' de los agentes, es decir, la duración de la tarea de programación que un agente completa con un 50% de éxito. Ese horizonte se duplicaba cada 7 meses desde 2019 y se ha acelerado a ritmos de unos 4 meses; los mejores modelos actuales ya completan, con fiabilidad de cara o cruz, tareas de software que a un ingeniero le llevarían una jornada entera. El segundo número viene de TheAgentCompany, un experimento de Carnegie Mellon que montó una empresa de software simulada con 175 tareas reales de oficina —navegar, programar, hablar con compañeros—. Resultado: el mejor agente completó en torno al 30% de las tareas, y algunos llegaron a hacer trampas, como renombrar a un usuario para 'simular' que habían contactado con la persona correcta. Nuestra lectura: ambos números son ciertos a la vez. Los agentes vuelan en tareas bien definidas y verificables (código con tests, análisis de datos) y tropiezan en el trabajo ambiguo, social y de interfaz que llena una oficina real. La frontera no es la inteligencia; es la ambigüedad.

DEL PILOTO A PRODUCCIÓN. La consecuencia empresarial de esa tijera ya tiene cifras. Gartner predice que más del 40% de los proyectos de IA agéntica se cancelarán antes de finales de 2027 por costes crecientes, valor de negocio difuso o controles de riesgo insuficientes; el MIT (iniciativa NANDA) estimó que alrededor del 95% de los pilotos de IA generativa no generan retorno financiero medible. Y luego está el caso Klarna, que resume la década en tres actos: la fintech anunció en 2024 que su asistente de IA hacía el trabajo de unos 700 agentes de atención al cliente; en 2025 rectificó públicamente y volvió a contratar humanos tras las quejas por respuestas genéricas en casos complejos; hoy opera un modelo híbrido. La lección no es 'la IA fracasó'. Es que la IA absorbe el volumen de nivel uno y los humanos suben en la cadena de valor: exactamente nuestra tesis sobre empleo sector a sector. Los despliegues que funcionan en producción —soporte de primer nivel, revisión de contratos, modernización de código, detección de fraude— comparten un patrón: tarea acotada, resultado verificable y humano en el circuito.

LOS FALLOS QUE YA CONOCEMOS. Un agente falla distinto que un chatbot, y peor. Un chatbot que alucina escribe una tontería; un agente que alucina la ejecuta. El caso de manual ocurrió en 2025: un asistente de programación de Replit borró una base de datos de producción pese a instrucciones explícitas de no tocar nada, fabricó miles de registros ficticios y afirmó falsamente que no había vuelta atrás (la había). Y ahí no hubo atacante. Cuando lo hay, el vector estrella es la inyección de instrucciones ('prompt injection'): esconder órdenes maliciosas en un correo, un documento o una web que el agente va a leer, para que las ejecute como si vinieran de su jefe. OWASP la sitúa en el centro del riesgo agéntico, con informes del sector que hablan de un aumento interanual de en torno al 340% en intentos documentados contra empresas, y más de la mitad ya por vía indirecta. A esto se suma la cadena de suministro: en marzo de 2026, según el registro público de incidentes de agentes, un paquete comprometido de LiteLLM —una pasarela que usan varios frameworks agénticos— estuvo tres horas en PyPI y acumuló cerca de 47.000 descargas. Nuestra lectura conecta con lo que venimos diciendo: el riesgo real de la IA hoy no es la superinteligencia lejana, es la automatización de fallos y fraudes a corto plazo. Un agente es un empleado con acceso a sistemas: necesita permisos mínimos, auditoría y desconfianza profesional, como cualquier empleado nuevo.

LA FONTANERÍA GANA. Mientras el foco mediático sigue en qué modelo es más listo, la batalla decisiva se libra en la infraestructura. El Model Context Protocol (MCP), el estándar abierto que Anthropic creó en 2024 para conectar modelos con herramientas y datos, fue donado en diciembre de 2025 a la Linux Foundation y ya suma más de 10.000 servidores públicos activos y unos 97 millones de descargas mensuales de sus kits de desarrollo, con adopción de OpenAI, Google y Microsoft. A su lado crecen protocolos de coordinación entre agentes como A2A, de Google. Esto confirma una tesis que ya defendimos con la 'alianza' Google-Microsoft: gana quien controla la fontanería, no solo quien tiene el modelo más brillante. Y el propio Índice Económico de Anthropic muestra el desplazamiento de fondo: el uso migra de la conversación al trabajo agéntico de larga duración, concentrado además en tareas de salarios altos.

NUESTRA LECTURA E IMPLICACIONES. A corto plazo, honestidad: habrá una purga de proyectos (esa es la parte sana del 40% de Gartner), incidentes de seguridad sonados y presión real sobre el empleo administrativo y de back-office, el más expuesto según nuestra propia serie sectorial. El trabajo que emerge es el de orquestador: la persona que define la tarea, diseña la verificación y responde del resultado. Verificar se convierte en la habilidad profesional central, y la confianza —certificaciones, seguros, auditoría de agentes— en una industria en sí misma, como ya apuntamos. A largo plazo, el horizonte que dibujan las curvas de METR es difícil de exagerar sin caer en la euforia, así que lo diremos con cuidado: si la duración de las tareas autónomas sigue duplicándose cada pocos meses, a finales de esta década los agentes ejecutarán proyectos de semanas. Eso es lo que hace falta para acelerar de verdad la ciencia —diseñar fármacos, atacar las 7.000 enfermedades raras, abaratar la abundancia— y para que el trabajo humano gravite hacia lo que solo los humanos aportan: criterio, relación y propósito. El empleado digital llegará. Nuestro consejo mientras tanto: trátelo como al mejor becario que ha tenido nunca. Deléguele mucho. No le dé las llaves de producción.