De ChatGPT a los empleados digitales: por qué los agentes de IA pueden cambiar la forma en que trabajamos

De ChatGPT a los empleados digitales.

por qué los agentes de IA pueden cambiar la forma en que trabajamos

Durante los primeros años de la inteligencia artificial generativa nos acostumbramos a una relación relativamente sencilla con estas herramientas. Abríamos una aplicación, formulábamos una pregunta y esperábamos una respuesta. Podíamos pedir que redactara un correo, resumiera un documento, explicara un concepto, tradujera un texto o escribiera algunas líneas de código, pero seguíamos siendo nosotros quienes controlábamos prácticamente todo el proceso. Elegíamos el archivo, copiábamos la información, formulábamos la instrucción, recibíamos el resultado, decidíamos qué hacer con él y, finalmente, ejecutábamos la acción correspondiente.

Ese modelo continúa siendo extraordinariamente útil, pero representa solamente una primera etapa de lo que está ocurriendo. La siguiente transformación consiste en pasar de inteligencias artificiales que simplemente responden a sistemas capaces de actuar, utilizar herramientas, consultar diferentes fuentes de información, tomar determinadas decisiones dentro de unos límites establecidos y continuar trabajando hasta alcanzar un objetivo. Es aquí donde aparece uno de los conceptos que probablemente tendrá mayor importancia durante los próximos años: el agente de inteligencia artificial.

La diferencia puede parecer inicialmente pequeña. Después de todo, tanto un chatbot como un agente utilizan modelos de inteligencia artificial. Sin embargo, desde el punto de vista de la organización del trabajo existe una diferencia enorme. Cuando utilizamos un chatbot, nosotros seguimos siendo el sistema que coordina cada paso. Cuando utilizamos un agente, comenzamos a delegar no solamente una respuesta, sino una parte del proceso necesario para conseguir un resultado.

Un chatbot responde, un agente actúa

Imaginemos algo tan cotidiano como gestionar el correo electrónico. Podemos pedirle a una inteligencia artificial que redacte una respuesta a un mensaje que acabamos de recibir. Para hacerlo, nosotros buscamos el correo, copiamos su contenido, explicamos qué queremos responder, revisamos el texto generado, localizamos al destinatario y finalmente enviamos el mensaje. La IA nos ha ayudado, posiblemente nos ha ahorrado algunos minutos, pero seguimos controlando prácticamente toda la secuencia.

Ahora imaginemos una instrucción diferente. Podríamos pedir a un agente que revise periódicamente nuestro correo, clasifique los mensajes que no requieren atención, identifique aquellos que necesitan una decisión, consulte información relacionada cuando sea necesario, prepare borradores de respuesta y nos muestre únicamente los asuntos en los que realmente necesitamos intervenir. Algunas categorías podrían requerir siempre nuestra autorización antes de enviar una respuesta, mientras otras acciones rutinarias podrían ejecutarse automáticamente.

En ambos casos utilizamos inteligencia artificial, pero el modelo de trabajo es completamente diferente. En el primero utilizamos una herramienta cada vez que necesitamos algo. En el segundo hemos definido una responsabilidad y hemos permitido que un sistema gestione una parte del trabajo dentro de unos límites previamente establecidos.

OpenAI describe actualmente un agente como un sistema que combina un desencadenante, un proceso que puede incorporar habilidades especializadas y herramientas o sistemas a los que puede conectarse. Una tarea puede comenzar porque la inicia una persona, porque llega un determinado evento o porque se ejecuta según un horario. A partir de ahí, el agente puede consultar información, evaluar lo que encuentra y utilizar herramientas autorizadas para completar el trabajo.

La diferencia fundamental podría resumirse de una manera sencilla: cuando utilizamos un chatbot delegamos una respuesta; cuando utilizamos un agente comenzamos a delegar un objetivo.

Del asistente personal al empleado digital

El término «empleado digital» puede parecer exagerado y, evidentemente, una inteligencia artificial no es un empleado en el sentido jurídico, social o humano de la palabra. Sin embargo, la comparación resulta útil para comprender el cambio que se está produciendo. Un programa tradicional suele ejecutar una función determinada cuando alguien lo utiliza. Un agente, en cambio, puede recibir una responsabilidad relativamente amplia, disponer de las herramientas necesarias para desarrollarla y regresar al usuario únicamente cuando necesita una decisión, encuentra una excepción o termina el trabajo.

Pensemos en una pequeña empresa que necesita encontrar un nuevo proveedor. Actualmente alguien puede dedicar varias horas a buscar empresas, revisar páginas web, solicitar presupuestos, organizar la información en una hoja de cálculo, comparar precios, comprobar plazos de entrega y preparar un resumen para que otra persona tome la decisión. Cada una de estas actividades puede parecer pequeña, pero juntas representan una cantidad considerable de tiempo.

Un agente podría recibir un objetivo más general: buscar proveedores que cumplan unos requisitos determinados, descartar aquellos que no trabajan en la región necesaria, comparar precios y condiciones, identificar posibles riesgos y presentar tres alternativas razonables con sus ventajas e inconvenientes. Si además dispone de acceso autorizado al correo electrónico, podría incluso preparar las solicitudes de presupuesto; si tiene acceso al calendario, podría proponer fechas para una reunión con los finalistas, y si puede consultar documentación interna, podría comprobar qué requisitos utiliza normalmente la empresa.

En ese momento dejamos de hablar simplemente de una herramienta que ayuda a escribir y empezamos a aproximarnos a algo parecido a un colaborador digital especializado en una función determinada.

La verdadera revolución está en conectar la inteligencia con herramientas

Un modelo de lenguaje aislado puede saber mucho y razonar sobre grandes cantidades de información, pero su capacidad de transformar realmente el trabajo es limitada si no puede interactuar con los sistemas donde ese trabajo ocurre. Una inteligencia artificial puede explicarnos perfectamente cómo organizar una reunión, pero si no puede consultar nuestro calendario, comprobar la disponibilidad de los participantes o crear el evento, somos nosotros quienes todavía debemos completar todo el proceso.

Por eso los agentes necesitan herramientas. Estas herramientas pueden permitirles consultar información, leer documentos, buscar en bases de datos, acceder a sistemas empresariales o realizar determinadas acciones. OpenAI distingue, por ejemplo, entre herramientas que permiten obtener datos, herramientas que permiten actuar sobre otros sistemas y mecanismos mediante los cuales un agente puede incluso utilizar a otros agentes especializados para completar una tarea más compleja.

La consecuencia es importante porque transforma la naturaleza de la inteligencia artificial. Un modelo sin acceso al entorno puede decirnos lo que deberíamos hacer. Un sistema conectado puede empezar a hacerlo.

Esta transición explica también por qué durante los últimos años se ha prestado tanta atención a las conexiones entre modelos de inteligencia artificial y aplicaciones empresariales. Correo electrónico, calendarios, documentos, bases de datos, sistemas de gestión de clientes, herramientas de diseño, aplicaciones internas y servicios en la nube contienen precisamente la información y las acciones que permiten convertir una respuesta inteligente en trabajo ejecutado.

Automatizar un procedimiento no es lo mismo que delegar un objetivo

La automatización no nació con la inteligencia artificial. Durante décadas las empresas han utilizado macros, scripts y diferentes sistemas para reducir tareas repetitivas. Más recientemente, plataformas como Zapier, Make o n8n popularizaron la posibilidad de conectar aplicaciones y construir flujos de trabajo sin necesidad de desarrollar grandes cantidades de software.

El principio tradicional de automatización es relativamente sencillo. Si ocurre una determinada cosa, ejecutamos una acción previamente establecida. Cuando llega un formulario, guardamos los datos en una tabla; cuando aparece una nueva factura, la copiamos en una carpeta; cuando un cliente realiza una compra, enviamos un determinado correo. El recorrido ha sido diseñado previamente por una persona y el sistema simplemente lo ejecuta.

Los agentes introducen una diferencia fundamental porque una parte del recorrido puede decidirse durante la ejecución. Anthropic distingue precisamente entre los flujos de trabajo, en los que modelos y herramientas siguen caminos definidos previamente mediante código, y los agentes, en los que el propio modelo determina dinámicamente cómo utilizar las herramientas y qué pasos realizar para alcanzar el objetivo.

Esto significa que, si una fuente de información no está disponible, un agente puede intentar encontrar otra; si encuentra datos contradictorios, puede compararlos; si falta información indispensable, puede solicitarla; y si una determinada acción no produce el resultado esperado, puede modificar su estrategia. No sigue necesariamente una única secuencia rígida, sino que trabaja dentro de un espacio de posibilidades permitido.

La diferencia conceptual es enorme. La automatización tradicional consiste principalmente en programar un procedimiento. Los agentes permiten comenzar a delegar un resultado.

Cuando un agente utiliza a otros agentes

El siguiente paso resulta todavía más interesante. Si un agente puede utilizar herramientas, nada impide que una de esas herramientas sea otro agente especializado. En lugar de construir un único sistema encargado de comprender absolutamente todas las partes de un problema, podemos imaginar pequeños equipos digitales en los que diferentes agentes desempeñan funciones distintas.

Un agente principal podría recibir un proyecto y dividirlo en diferentes actividades. Uno de los agentes podría investigar proveedores, otro analizar el presupuesto, otro consultar documentación jurídica, otro revisar el calendario y otro preparar la presentación final. El coordinador reuniría después la información, detectaría inconsistencias y mostraría al responsable humano únicamente las decisiones que necesitan aprobación.

No es necesario imaginar una inteligencia artificial extraordinariamente avanzada para comprender las consecuencias organizativas de este sistema. Muchas empresas ya están formadas por especialistas que realizan tareas diferentes y coordinan sus resultados mediante correos, documentos, reuniones y aplicaciones de gestión. Si una parte de esa coordinación puede realizarse entre sistemas digitales a una velocidad enormemente superior, la cantidad de tiempo dedicada a mover información entre personas puede reducirse considerablemente.

Anthropic describe actualmente arquitecturas que van desde sistemas de un solo agente hasta modelos de coordinación entre múltiples agentes, utilizando patrones secuenciales, paralelos y de evaluación de resultados. La elección no consiste simplemente en utilizar la arquitectura más compleja posible, sino en encontrar aquella que aporte suficiente valor para justificar la complejidad adicional.

Este último punto es especialmente importante porque la llegada de los agentes puede provocar también una nueva forma de entusiasmo tecnológico: intentar convertir en agente cualquier proceso imaginable aunque una automatización convencional, o incluso una simple aplicación, pudiera resolverlo de manera más fiable y económica.

No todo necesita un agente

La capacidad de una inteligencia artificial para decidir cómo completar una tarea puede parecer automáticamente superior a un proceso tradicional, pero no siempre lo es. Precisamente porque los agentes tienen mayor libertad para escoger sus acciones, también son menos predecibles que una secuencia completamente definida.

Si una empresa necesita copiar exactamente el mismo dato desde una aplicación hacia otra cada noche, probablemente no necesite un agente que razone sobre la tarea. Un proceso automatizado convencional puede realizarla de manera más barata, rápida y predecible. La inteligencia adicional empieza a tener sentido cuando existen excepciones, información no estructurada, decisiones que dependen del contexto o caminos que no pueden determinarse completamente de antemano.

Anthropic recomienda precisamente comenzar por la solución más sencilla y aumentar la complejidad solamente cuando sea necesario. Los sistemas agénticos pueden ofrecer mayor flexibilidad y capacidad de resolución, pero esa ventaja suele implicar también mayores costes, más tiempo de ejecución y nuevas dificultades para comprobar que el sistema se comporta correctamente.

En otras palabras, la pregunta no debería ser «¿cómo puedo convertir este proceso en un agente?», sino «¿existe aquí suficiente incertidumbre o necesidad de razonamiento como para que un agente aporte una ventaja real?».

La empresa híbrida empieza a dejar de parecer ciencia ficción

Durante años hablamos de inteligencia artificial principalmente como una herramienta individual. Cada trabajador tendría su asistente personal para escribir mejor, buscar información más rápidamente o automatizar algunas tareas. Esa etapa continuará, pero las empresas tecnológicas están empezando a plantear una segunda fase en la que los agentes dejan de ser herramientas personales aisladas y comienzan a formar parte de la propia estructura organizativa.

El Work Trend Index de Microsoft de 2025 indicaba que el 82 % de los responsables empresariales encuestados esperaba utilizar «trabajo digital» para ampliar la capacidad de sus plantillas durante los siguientes 12 a 18 meses. Microsoft describía una evolución desde empleados individuales asistidos por IA hacia equipos formados por humanos y agentes y, posteriormente, organizaciones en las que las personas establecen la dirección mientras sistemas digitales ejecutan una parte creciente de los procesos.

Un año después, el Work Trend Index 2026 profundizó precisamente en esa idea. Microsoft sostiene que, a medida que los agentes asumen una mayor parte de la ejecución, la función humana puede desplazarse progresivamente hacia dirigir el trabajo, tomar decisiones y asumir los resultados.

No significa que en 2027 las oficinas vayan a estar vacías ni que cada empresa vaya a sustituir sus departamentos por sistemas autónomos. Significa que comienza a aparecer una estructura diferente, en la que debemos dejar de contar únicamente cuántas personas forman un equipo y empezar a considerar también cuánta capacidad digital tiene disponible cada una de ellas.

Un departamento de cinco personas acompañado por veinte agentes especializados no funciona de la misma manera que un departamento tradicional de cinco personas. Tampoco significa que equivalga automáticamente a veinticinco trabajadores. Las capacidades humanas y digitales son diferentes. Sin embargo, la organización del trabajo empieza inevitablemente a cambiar.

El trabajador puede convertirse en director de agentes

Esta transformación también puede modificar el significado de algunas profesiones. Durante buena parte de nuestra vida laboral hemos sido nosotros quienes ejecutábamos directamente una gran cantidad de tareas. En un entorno con agentes, parte de nuestro trabajo puede comenzar a parecerse más a dirigir un pequeño equipo.

Un responsable de marketing podría establecer objetivos mientras diferentes agentes investigan tendencias, analizan resultados anteriores, estudian competidores, preparan propuestas y generan diferentes alternativas. Un arquitecto podría solicitar análisis normativos, comparaciones de documentación o primeras exploraciones antes de estudiar personalmente los resultados. Un responsable comercial podría disponer de sistemas que revisen clientes, identifiquen oportunidades, preparen información antes de una reunión y actualicen posteriormente determinados registros.

Esto exige una habilidad diferente a simplemente saber utilizar un programa. Dirigir un agente implica aprender a definir correctamente objetivos, proporcionar contexto, establecer límites, comprobar resultados y decidir cuándo debemos intervenir. Una instrucción demasiado vaga puede conducir a resultados inútiles, mientras que un sistema con demasiadas restricciones puede perder precisamente la flexibilidad que justificaba utilizar un agente.

Es probable que durante los próximos años aparezca una nueva forma de alfabetización profesional relacionada con esta capacidad de delegación. No bastará con saber «usar IA». Tendremos que aprender qué tareas merece la pena delegar, cuánto contexto necesita el sistema, qué nivel de autonomía resulta razonable y cómo evaluar su trabajo.

La autonomía necesita límites

Existe una diferencia fundamental entre una inteligencia artificial que redacta un texto y una inteligencia artificial capaz de realizar acciones en nuestro nombre. El primer sistema puede producir una respuesta incorrecta. El segundo puede convertir esa respuesta incorrecta en una acción real.

Un agente conectado al correo podría enviar un mensaje a la persona equivocada. Uno conectado a documentación empresarial podría compartir información confidencial. Un sistema con permisos excesivos podría modificar registros que no debía tocar o ejecutar una instrucción maliciosa encontrada en una página web. Cuanto mayor sea la capacidad de actuar, mayor tendrá que ser también la atención dedicada a permisos, seguridad, supervisión y trazabilidad.

Anthropic señalaba en abril de 2026 que precisamente la autonomía que hace útiles a los agentes introduce nuevos riesgos, porque pueden malinterpretar la intención del usuario o ser manipulados mediante ataques como la prompt injection. La compañía plantea como principios fundamentales mantener a las personas en control, proteger la privacidad, asegurar las interacciones de los agentes y garantizar suficiente transparencia sobre sus acciones.

OpenAI plantea de manera semejante la necesidad de utilizar barreras de seguridad que limiten las acciones disponibles, soliciten confirmación para determinadas operaciones y mantengan supervisión humana en actividades sensibles.

La idea central es sencilla. Delegar una tarea no significa entregar autoridad ilimitada. Del mismo modo que una empresa no concede a todos sus empleados acceso a todas sus cuentas, documentos y sistemas, tampoco tendría sentido conceder a un agente más permisos de los necesarios para cumplir su función.

El objetivo no es eliminar al ser humano del proceso

Cuando se habla de agentes autónomos, es fácil imaginar que el objetivo final consiste en eliminar completamente la intervención humana. Sin embargo, probablemente la transformación más útil sea otra. En muchas actividades no necesitamos desaparecer del proceso, sino intervenir únicamente en aquellos momentos en los que realmente aportamos valor.

Si un sistema puede analizar cien documentos, no necesitamos leer necesariamente los cien. Podemos revisar las excepciones que haya encontrado. Si puede comparar veinte proveedores, no necesitamos visitar personalmente veinte páginas web. Podemos estudiar los tres candidatos más interesantes. Si puede preparar diferentes escenarios financieros, no necesitamos realizar manualmente cada cálculo, pero seguimos teniendo que decidir qué nivel de riesgo estamos dispuestos a asumir.

La relación más productiva puede consistir precisamente en distribuir el trabajo según las fortalezas de cada parte. Las máquinas pueden analizar grandes cantidades de información, ejecutar procesos repetitivos, mantener atención continua sobre determinados sistemas y generar numerosas alternativas. Las personas continúan siendo responsables de establecer prioridades, interpretar consecuencias, negociar, comprender valores, construir relaciones y decidir qué resultados son realmente aceptables.

Por eso la empresa del futuro inmediato probablemente no será simplemente una empresa automatizada, sino una empresa híbrida.

Del software como herramienta al software como colaborador

Durante décadas nuestra relación con los ordenadores ha seguido un principio relativamente constante. Abríamos un programa y le indicábamos exactamente qué queríamos hacer. Elegíamos una herramienta, pulsábamos un botón, modificábamos un parámetro y observábamos el resultado. Incluso las automatizaciones más sofisticadas funcionaban generalmente dentro de procesos que alguien había diseñado previamente.

Los agentes empiezan a introducir una relación diferente. En lugar de especificar cada acción, comenzamos a describir objetivos. En lugar de controlar continuamente el procedimiento, definimos límites y revisamos resultados. En lugar de utilizar el software solamente como herramienta, podemos comenzar a utilizar algunos sistemas como colaboradores digitales especializados.

Ese cambio probablemente será progresivo y estará lleno de errores, exageraciones y experimentos que no funcionarán. Muchos procesos que hoy se anuncian como completamente autónomos seguirán necesitando supervisión humana durante bastante tiempo. Algunas empresas descubrirán que han delegado demasiado, mientras otras comprobarán que determinadas tareas pueden automatizarse mucho más de lo que esperaban.

Sin embargo, la dirección general empieza a ser difícil de ignorar. Hemos pasado de ordenadores que ejecutaban instrucciones a sistemas capaces de interpretar lenguaje. Ahora estamos pasando de sistemas que interpretan lenguaje a sistemas que pueden utilizarlo para actuar sobre el mundo digital.

La pregunta importante ya no será únicamente qué puede responder una inteligencia artificial, sino qué estamos dispuestos a permitirle hacer en nuestro nombre.

Y cuando esa pregunta comience a formar parte de la organización cotidiana de una empresa, quizá dejemos de pensar en la IA simplemente como un programa que utilizamos de vez en cuando. Comenzaremos a verla como una nueva capa de trabajo digital que convive con nosotros, ejecuta tareas, coordina procesos y modifica progresivamente la forma en que entendemos una organización.

El verdadero salto, por tanto, no consiste en tener un chatbot más inteligente. Consiste en pasar de una inteligencia artificial a la que preguntamos qué deberíamos hacer a una inteligencia artificial capaz de ayudarnos a hacerlo. Y esa diferencia, aparentemente pequeña, puede terminar cambiando por completo la manera en que trabajamos.