Durante los primeros años de popularización de la inteligencia artificial generativa, la relación entre usuario y sistema fue relativamente sencilla: una persona formulaba una pregunta y la plataforma respondía. Podía redactar textos, explicar conceptos, generar código, resumir documentos o analizar información, pero normalmente necesitaba nuevas instrucciones para continuar. La llamada inteligencia artificial agéntica, o IA agéntica, modifica de forma importante ese modelo porque ya no se limita a producir una respuesta, sino que puede recibir un objetivo, dividirlo en tareas, utilizar herramientas, revisar resultados y continuar trabajando hasta completar una parte considerable del proceso.
La diferencia puede parecer menor a primera vista, pero representa uno de los cambios más importantes que está experimentando actualmente la inteligencia artificial. OpenAI define los sistemas agénticos como aquellos capaces de perseguir objetivos complejos con una supervisión directa limitada. En la práctica, esto significa pasar de conversaciones individuales a tareas delegadas que pueden extenderse durante minutos u horas, mientras el sistema utiliza herramientas, interactúa con distintos entornos y modifica su estrategia cuando encuentra dificultades.
De asistente a agente
Un chatbot tradicional podría recibir una instrucción como: “Explícame por qué mi página web está cargando lentamente”. Una IA agéntica, si dispone de las herramientas y permisos necesarios, puede ir mucho más allá: revisar archivos, localizar posibles problemas, analizar código, ejecutar pruebas, modificar determinados componentes y comprobar después si la corrección funcionó. Es decir, no solamente propone qué debería hacerse, sino que puede ejecutar parte del trabajo necesario para alcanzar el objetivo.
Ese comportamiento generalmente combina varias capacidades, entre ellas razonamiento, planificación, utilización de herramientas externas, mantenimiento del contexto, ejecución de acciones y comprobación de resultados. Por ejemplo, ante la orden de desarrollar una determinada función para una aplicación, un agente de programación puede inspeccionar el proyecto existente, determinar qué archivos necesita modificar, escribir código, ejecutar pruebas, encontrar errores y realizar nuevas modificaciones antes de entregar el resultado final. El usuario continúa estableciendo el objetivo y los límites, pero ya no necesita dirigir necesariamente cada paso.
El razonamiento es solo una parte
Es importante diferenciar un modelo de inteligencia artificial de un agente de inteligencia artificial. Modelos como GPT, Gemini o Claude proporcionan buena parte de la capacidad intelectual del sistema, pero un agente incorpora alrededor del modelo una infraestructura adicional que le permite utilizar herramientas, interactuar con archivos y servicios, tomar decisiones sobre el orden de las tareas y realizar acciones concretas.
Una forma sencilla de entenderlo es compararlo con un automóvil. El modelo sería el motor, porque aporta la capacidad principal de razonamiento y generación. El agente, en cambio, sería el vehículo completo, con dirección, sensores, transmisión y otros componentes necesarios para llegar a un destino. Algunos de los sistemas más avanzados incluso pueden recurrir a subagentes, de manera que un agente principal distribuye diferentes partes del trabajo entre otros agentes especializados y posteriormente integra los resultados.
OpenAI, por ejemplo, explicó en septiembre de 2026 que su Agents API utiliza infraestructura desarrollada alrededor de Codex para gestionar contexto, herramientas y subagentes, además de proporcionar entornos capaces de trabajar con archivos, ejecutar código y conservar resultados intermedios durante tareas prolongadas.
¿Cuáles son las IA agénticas más avanzadas?
No existe actualmente una clasificación universal que permita afirmar cuál es la IA agéntica más poderosa en todos los escenarios. Los resultados cambian dependiendo de si se evalúa programación, investigación, navegación web, productividad empresarial, análisis de datos o tareas generales. Sin embargo, algunas plataformas se encuentran claramente entre las más avanzadas disponibles en 2026 y muestran hacia dónde se está moviendo la industria.
ChatGPT Work y Codex
OpenAI ha convertido a Codex en uno de sus principales sistemas agénticos, especialmente para programación y desarrollo de software. Codex puede trabajar sobre proyectos completos, modificar múltiples archivos, ejecutar código y pruebas, y administrar trabajos de larga duración. Su aplicación permite además supervisar varios agentes trabajando paralelamente sobre diferentes tareas, lo que marca una diferencia importante frente a los primeros asistentes de programación que se limitaban a sugerir fragmentos de código.
La compañía también ha extendido esa arquitectura más allá de la programación mediante ChatGPT Work, un sistema capaz de trabajar con aplicaciones, archivos y herramientas para convertir objetivos relativamente amplios en resultados terminados. OpenAI señala que Work puede recopilar información, producir documentos, hojas de cálculo, presentaciones y aplicaciones web, además de dividir proyectos complejos en pasos y continuar ejecutándolos de manera independiente.
La evolución resulta significativa porque la empresa está trasladando tecnologías originalmente asociadas con agentes de programación hacia tareas generales de oficina, investigación y producción de contenidos. En lugar de utilizar la inteligencia artificial únicamente como asistente de consulta, la propuesta apunta a convertirla en una herramienta capaz de encargarse de flujos de trabajo completos.
Claude Code y Claude Cowork
Anthropic ha desarrollado otra de las propuestas más importantes mediante Claude Code, un sistema capaz de explorar proyectos, modificar archivos, ejecutar comandos y pruebas, depurar programas y realizar tareas prolongadas con una elevada autonomía. La compañía informó en 2026 que Claude Code estaba siendo utilizado cada vez más para trabajos completos, incluyendo ejecución y despliegue de código, análisis de datos y generación de documentos. Un estudio de Anthropic basado en aproximadamente 400.000 sesiones encontró además una evolución hacia usos cada vez más agénticos.
Su modelo Claude Opus 4.6 fue diseñado específicamente para mantener tareas agénticas durante periodos mayores y trabajar de forma más fiable sobre grandes bases de código. Anthropic también integra estas capacidades en Claude Cowork, destinado a trabajos más generales como documentos, hojas de cálculo, investigación y análisis.
En programación, Claude Code y Codex representan actualmente dos de las expresiones más claras del cambio desde asistentes que sugieren código hacia sistemas capaces de encargarse de una parte importante del proceso de desarrollo. La diferencia ya no está solamente en escribir una función, sino en comprender proyectos completos, ejecutar pruebas, corregir fallos y mantener el contexto durante trabajos prolongados.
Gemini y Google Antigravity
Google también está construyendo buena parte de su estrategia alrededor de agentes. La familia Gemini 3.5 fue presentada específicamente con capacidades orientadas a ejecutar flujos de trabajo agénticos complejos. Posteriormente, Google presentó Gemini 3.7 Flash, enfocado especialmente en programación, desarrollo web y tareas de agentes.
Uno de los componentes más interesantes del ecosistema es Google Antigravity, que evolucionó desde un entorno de programación hacia una plataforma destinada a desarrollar y administrar grupos de agentes autónomos. Google también introdujo Gemini Spark, concebido como un agente personal capaz de operar de manera continua dentro del ecosistema Gemini.
La ventaja estratégica de Google está precisamente en su enorme ecosistema. Integrar agentes con búsqueda, Android, Workspace, servicios en la nube y otras plataformas podría permitir que estas tecnologías realicen tareas cada vez más amplias sin necesidad de abandonar los servicios que millones de personas utilizan diariamente. Esa integración entre modelo, herramientas y servicios es precisamente uno de los factores que puede determinar qué tan útil termina siendo un sistema agéntico en la práctica.
Microsoft Copilot y Autopilot
Microsoft está llevando el concepto de agentes directamente al entorno empresarial. Microsoft 365 Copilot puede utilizar agentes especializados que acceden, según las autorizaciones correspondientes, a información organizacional y herramientas de trabajo para buscar datos, resumir contenidos y ejecutar determinados procesos.
Durante 2026 la compañía también amplió las funciones agénticas dentro de Word, Excel y PowerPoint, permitiendo que Copilot ejecute acciones de varios pasos directamente dentro de documentos, hojas de cálculo y presentaciones.
La siguiente etapa es Autopilot, descrito por Microsoft como un agente persistente y proactivo capaz de continuar trabajando incluso cuando el usuario no está interactuando directamente con él.
Este enfoque resulta especialmente relevante para empresas, donde un agente puede estar conectado con documentos, correos electrónicos, reuniones, sistemas internos y procesos administrativos. En ese entorno, el valor de la IA agéntica no depende únicamente de qué tan bien razone el modelo, sino de qué tan bien pueda integrarse con la infraestructura real de trabajo.
Manus
Fuera de las grandes compañías tecnológicas tradicionales, Manus se ha posicionado alrededor del concepto de agente general. Su diferencia principal consiste en presentar desde el principio una modalidad denominada “Agent Mode”, destinada a ejecutar de forma autónoma tareas complejas como desarrollo web, creación de presentaciones, investigación y producción de otros resultados digitales.
La plataforma también permite crear agentes persistentes especializados para determinados trabajos y acceder a ellos mediante una API.
Manus representa una categoría interesante porque nació más cerca del concepto de “delegar una tarea completa” que del chatbot tradicional que posteriormente incorpora capacidades agénticas. Esa diferencia de enfoque ayuda a entender por qué el término “agente” se ha convertido en una de las palabras más utilizadas dentro de la industria tecnológica durante 2026.
Los agentes pueden trabajar entre ellos
La siguiente evolución probablemente no consiste únicamente en construir agentes individuales más inteligentes, sino en desarrollar sistemas multiagente. En ellos, diferentes agentes pueden especializarse en partes concretas de un mismo proyecto. Uno puede investigar, otro programar, otro analizar los resultados y otro comprobar que el producto final cumpla determinados requisitos.
El agente principal funciona entonces como coordinador. Ya existen plataformas que permiten este tipo de arquitectura. OpenAI está incorporando coordinación de subagentes en su infraestructura para desarrolladores, mientras Google plantea Antigravity como una plataforma para administrar grupos de agentes.
Para determinadas tareas, este enfoque puede resultar considerablemente más eficiente que depender de un único sistema intentando resolver simultáneamente todos los problemas. También puede permitir una mayor especialización, ya que cada agente puede utilizar herramientas o instrucciones específicas para una parte concreta del trabajo.
El cambio más importante está en el trabajo
La IA generativa comenzó transformando principalmente la producción de información. Los agentes empiezan a transformar la ejecución del trabajo. OpenAI ha reportado un fuerte incremento en la utilización de Codex para actividades que requerirían tiempos prolongados de trabajo humano. En mayo de 2026, el 70,2 % de los usuarios individuales incluidos en una muestra había realizado al menos una solicitud estimada en más de una hora de trabajo humano, mientras que el 25,6 % había solicitado al menos una actividad estimada en más de ocho horas.
Naturalmente, esas cifras no significan que una inteligencia artificial esté sustituyendo directamente ocho horas de trabajo humano con igual calidad. Son estimaciones sobre la duración que determinadas tareas podrían requerir a una persona. Sin embargo, muestran hacia dónde se está moviendo la industria: la pregunta está dejando de ser exclusivamente “¿qué puede responder la inteligencia artificial?” y comienza a ser “¿qué parte de este trabajo puedo delegarle?”
Más autonomía también significa más riesgos
Dar capacidad de actuación a una inteligencia artificial introduce problemas que un chatbot convencional presenta en menor medida. Un error dentro de una respuesta puede corregirse antes de producir consecuencias, pero un error cometido por un agente que tiene acceso a archivos, sistemas empresariales, herramientas de programación o servicios externos podría generar efectos reales.
Entre los principales desafíos se encuentran la interpretación incorrecta de una instrucción, la utilización inadecuada de herramientas, la exposición de información, acciones ejecutadas sin suficiente supervisión y ataques conocidos como prompt injection, destinados a manipular el comportamiento de los agentes mediante instrucciones maliciosas. Anthropic ha advertido precisamente que el aumento de la autonomía amplía este tipo de riesgos.
Por esa razón, el desarrollo de IA agéntica está acompañado por sistemas de permisos, confirmaciones humanas, restricciones de herramientas y mecanismos para comprobar qué acciones realizó el agente. La autonomía puede aumentar la productividad, pero también obliga a establecer controles más rigurosos.
La IA ya no solamente conversa
Durante décadas, la idea popular de inteligencia artificial estuvo asociada con máquinas capaces de conversar como seres humanos. La evolución reciente apunta hacia algo diferente: la capacidad verdaderamente transformadora podría estar menos relacionada con mantener una conversación convincente y más con recibir una misión y ejecutar los pasos necesarios para completarla.
Los agentes actuales todavía cometen errores, necesitan supervisión y están lejos de disponer de una autonomía comparable con la humana en cualquier contexto. Sin embargo, la dirección tecnológica es evidente. ChatGPT Work y Codex, Claude Code y Cowork, Gemini y Antigravity, Microsoft Copilot y Autopilot, además de plataformas como Manus, muestran cómo las principales empresas de inteligencia artificial están pasando de construir sistemas que responden a construir sistemas que actúan.
Y esa diferencia puede terminar siendo mucho más importante que el salto inicial que produjo el chatbot.
