De herramienta a compañero de equipo: activa la IA agéntica
Brian Long
Hasta ahora hemos tratado a la IA como un asistente competente al otro lado de una sesión de chat. Le das un fragmento de lenguaje, lo transforma y te lo devuelve, mientras tú te reservas el criterio. El asistente tiene un modelo mental (un procesador de lenguaje), una métrica que seguir (el token), una forma de darle instrucciones (tarea, rol, contexto, ejemplos) y una manera disciplinada de revisar el trabajo.
Ahora hablemos de una nueva capacidad: que ese asistente realice trabajo por su cuenta. Esta capacidad le permite buscar el archivo correcto, leerlo, analizarlo, armar una hoja de cálculo o escribir un borrador y comprobar que esté correcto, antes de dejarlo donde tú le pediste, todo a partir de una sola instrucción. Esto es la “IA agéntica”, y 2026 es el año en que salió del laboratorio y apareció en las aplicaciones que ya usas.
Este artículo trata de dar ese paso sin adelantarnos. La buena noticia es que no necesitas nuevos proveedores ni más presupuesto. El agente ya está en tu caja de herramientas. La clave para usarlo es aprender a delegarle, y esa es una habilidad de gestión que ya tienes.
Lo que cambia
La mayor diferencia entre un chatbot y un agente es esta: un chatbot habla contigo; un agente trabaja para ti.
Un chatbot es reactivo. Tú preguntas, él responde, pero después tú haces algo con esa respuesta. A un agente se le da un objetivo; entonces traza un plan, ejecuta acciones en distintas aplicaciones y archivos, y avanza por los pasos hasta llegar al resultado, revisando su propio progreso sobre la marcha. Mientras el chatbot lee y escribe, el agente lee, escribe y actúa. El agente puede abrir una carpeta, ejecutar un cálculo, llenar una hoja, navegar por un sitio web y entregarte un resultado terminado en lugar de una sugerencia.
Piensa en la diferencia entre un pasante despierto que responde cualquier pregunta que le lleves y uno al que de verdad puedes encargarle una tarea: “Revisa las facturas de proveedores del último trimestre, arma un resumen de quién subió precios y marca cualquier aumento de más del diez por ciento”. El primero te ahorra un paso. El segundo te ahorra la tarde.
Ese es el cambio. Es una mejora potente que viene con una responsabilidad mayor. Por eso cubrimos la verificación con tanto detalle en el artículo anterior, antes de llegar a los agentes.
Lo que no cambia
Todo lo que dijimos antes sobre confiar en el resultado de la IA aplica ahora aún más, no menos. Puedes leer en diez segundos el párrafo que escribió un chatbot. Pero cuando un agente completa una tarea de diez pasos, hay diez lugares donde pudo haberse equivocado sutilmente. Delegar magnifica tanto el tiempo ahorrado como el costo de no revisar.
Así que llevemos nuestras reglas con nosotros. Trata el resultado del agente como un primer borrador que requiere revisión, nunca como un producto terminado. Tu nivel de escrutinio debe corresponder a lo que está en juego. Un vistazo puede bastar para un resumen interno, pero debes auditar con cuidado todo lo que toque dinero, clientes o la ley. Y mantén siempre a una persona en el circuito para cualquier decisión de criterio. Los agentes de consumo bien construidos están diseñados justamente para esto: te muestran su razonamiento a medida que avanzan, te dejan corregir el rumbo a medio camino y piden permiso antes de hacer algo irreversible, como borrar un archivo. Eso no es una limitación que haya que sortear. Es la característica que hace segura la delegación.
La mentalidad correcta es la que ya tiene todo buen gerente: delega y luego verifica. Nunca le encargarías una tarea crítica a alguien recién contratado y enviarías el resultado a un cliente sin leerlo. Aquí es igual.
Por dónde empezar
Empieza con el agente que ya está en tu caja de herramientas. Las tres herramientas que la mayoría de los lectores ya usa han sumado capacidades agénticas, así que el siguiente paso es soltarte con la que ya tienes.
ChatGPT tiene el modo Work en la aplicación de escritorio. Ahí puedes describir lo que necesitas y dejar que ChatGPT recorra los pasos para crear algo que puedas revisar y usar. Una vez que le otorgas los permisos adecuados y conectas herramientas, puede trabajar con tus archivos e interactuar con sitios web y aplicaciones compatibles. Se pueden configurar tareas recurrentes, como una actualización semanal. Local Work se ejecuta en un entorno aislado (sandbox) en tu computadora, mientras que Cloud Work se ejecuta en la infraestructura de OpenAI.
Gemini de Google ha integrado la IA agéntica en aplicaciones como Gmail, Docs y Sheets mediante Google Workspace Intelligence, que funciona como un coordinador entre aplicaciones que observa el contexto de forma continua para poner en marcha flujos de trabajo completos: por ejemplo, tomar notas estructuradas automáticamente durante una llamada de Meet, contrastarlas con archivos de Drive y redactar correos de seguimiento o generar hojas de cálculo con formato, sin necesidad de copiar y pegar a mano. Gemini Spark funciona como un agente autónomo de fondo, siempre activo, que se ejecuta en máquinas virtuales en la nube para gestionar tareas programadas, flujos recurrentes y pendientes entre aplicaciones incluso cuando tus dispositivos están cerrados. Gemini Notebooks sirve como un entorno de investigación autoorganizado que ingiere archivos de múltiples fuentes para sintetizar automáticamente mapas mentales, resúmenes en audio y sumarios estructurados; y Google Antigravity actúa como un entorno avanzado de desarrollo e ingeniería multiagente, diseñado para ejecución técnica compleja.
Claude tiene Cowork en la aplicación de escritorio para usuarios no técnicos, junto con Claude Code, y para quien ha ido ganando destreza a lo largo de esta serie es el siguiente paso más natural. Describes un resultado en lenguaje sencillo, te alejas y vuelves para encontrar el trabajo terminado: el memorando redactado, el análisis realizado, la hoja de cálculo actualizada (Anthropic). Lo que lo convierte en un buen lugar para dar el salto es cómo está construido: Cowork se ejecuta dentro de un entorno aislado y sellado en tu propia computadora y solo puede tocar las carpetas específicas que le entregues, nada más de tu máquina, y pregunta antes de borrar cualquier cosa.
Elijas la que elijas, fíjate en que la habilidad es la misma que has venido practicando. Una buena instrucción para un agente no es más que un buen informe con un verbo al frente: la tarea (qué cosa terminada debería existir), el rol (qué estándares aplicar), el contexto (los archivos y hechos que no puede conocer por su cuenta) y un ejemplo de cómo se ve “bien hecho”. El único hábito nuevo es acotar el encargo a algo que puedas revisar, y revisarlo.
Usemos a María, la dueña del negocio de plomería y climatización del primer artículo, para un ejemplo concreto. Tiene una carpeta con cincuenta facturas de proveedores y la sospecha persistente de que sus costos han subido. A la antigua: una tarde con la calculadora. A la manera agéntica: apunta Cowork a esa única carpeta y le dice: “Lee estas facturas, arma una hoja de cálculo con los precios de cada proveedor este trimestre frente al anterior y resalta cualquier aumento de más del diez por ciento. Este es el formato que quiero”. Unos minutos después tiene la hoja de cálculo. Revisa al azar algunos de los números marcados contra los PDF originales, porque lo que está en juego es real. Ahora sí, está lista para levantar el teléfono y renegociar. Delega y luego verifica.
Ten tu propia IA: el futuro es local
Todo lo anterior se ejecuta en la nube, incluso en el modelo de entorno aislado local del modo Work de ChatGPT y de Claude Cowork. Tus instrucciones y archivos viajan al centro de datos, el trabajo ocurre allí y los resultados regresan. Para la mayoría de las tareas eso está perfectamente bien, e incluso es preferible por la movilidad que ofrece. Pero para un despacho de abogados que maneja expedientes privilegiados, una clínica con historiales de pacientes o cualquier negocio que simplemente no quiere que documentos sensibles salgan del edificio, hay una alternativa convincente tomando forma: agentes que se ejecutan enteramente en tu propio hardware.
Aquí es donde se unen todos los hilos de esta serie. En el artículo sobre tokens vimos que los ganadores a largo plazo en costo y potencia no serán quienes ejecuten el modelo en la nube más grande, sino quienes logren trabajo útil con IA local y eficiente. La IA agéntica es donde eso rinde frutos, porque un agente siempre activo que trabaja todo el día es precisamente el tipo de carga de trabajo constante y de alto volumen que resulta caro rentar y barato tener.
El ecosistema de agentes locales está madurando rápido. Marcos abiertos como Hermes Agents, de Nous Research, están diseñados para ejecutarse de forma continua en tu propia infraestructura, son agnósticos al modelo y están construidos para ser confiables; mientras que NemoClaw, de NVIDIA, envuelve ese tipo de agente en un entorno aislado reforzado por hardware para que pueda estar siempre activo y a la vez bien cerrado, sin que ningún dato salga del dispositivo durante su operación (NVIDIA, Blog de NVIDIA). Combinar ambos, Hermes Agents corriendo sobre NemoClaw, es un adelanto de cómo se ve un compañero de trabajo de IA privado y en casa.
El detalle es el hardware que hace falta para esto, y por eso es el siguiente paso y no el primero. Ejecutar un agente localmente le exige mucho más a una máquina que una interfaz de chat conectada a un servicio en la nube; en concreto, requiere mucha más memoria. En la práctica eso significa una tarjeta gráfica capaz, con un mínimo práctico de 16 gigabytes de memoria de video para modelos pequeños y medianos, siendo 24 gigabytes un punto cómodo, acompañada de al menos 32 gigabytes de memoria del sistema y almacenamiento rápido (Local AI Master). Es una compra considerable, pero para un negocio que ya gasta unos cientos de dólares al mes en IA, el retorno de la inversión puede darse en apenas un año. Por supuesto, hay muchos detalles y salvedades al montar un sistema del que un negocio pueda depender, así que no entraremos aquí en los pormenores del armado. El punto es simplemente que la IA agéntica privada, propia y eficiente ya está al alcance de las empresas comunes, no solo de los gigantes tecnológicos.
Construir exactamente este tipo de infraestructura de IA local es algo en lo que estamos trabajando en Synapses Technologies: dimensionada a la medida de las pequeñas y medianas empresas, y privada por diseño. Más sobre esto en el futuro.
Paso a paso
Esta serie ha tratado de adoptar y usar la IA paso a paso. Primero, entender la herramienta: qué es y qué no es. Luego, aprender a dar instrucciones como un informe completo. Después, aprender a revisar los resultados. Ahora, aprender a delegarle. Cada paso es pequeño, pero juntos marcan la diferencia entre mirar la conversación sobre la IA desde la banca y construir una ventaja acumulativa mientras los competidores siguen discutiendo sobre los titulares.
La IA agéntica es donde esa ventaja empieza a multiplicarse de verdad, porque un agente no solo te ahorra una o dos frases: te ahorra una faena completa. El negocio que aprenda a delegar faenas con cuidado, una tarea verificable a la vez, notará que sus semanas se vuelven bastante más ligeras sin haber apostado nunca la empresa a una caja negra.
Ese es el camino correcto: no un salto, solo el siguiente movimiento deliberado. Empieza con el agente que ya está en la aplicación que estás pagando. Dale esta semana un encargo pequeño, real y verificable. Verifica el resultado igual que supervisas cualquier trabajo que delegas. Y después hazlo otra vez.