La promesa del «empleado digital»
Grandes plataformas ya venden la idea de «trabajo digital»: agentes que atienden ventas, servicio y marketing como si fueran personal extra. Y las previsiones acompañan: Gartner estima que para 2029 la IA agéntica resolverá de forma autónoma el 80% de las incidencias comunes de atención al cliente, con un recorte del 30% en costes operativos (Gartner, marzo de 2025).
Ojo: eso es una predicción a cinco años, no el presente. La pregunta útil es qué puede hacer un agente hoy, y ahí conviene mirar los datos.
Qué pueden hacer bien hoy
En tareas acotadas y repetibles, los agentes rinden. En el benchmark CRMArena-Pro de Salesforce (2025) —que evaluó nueve modelos punteros sobre 4.280 consultas reales de CRM—, el mejor modelo alcanzó cerca del 83% de acierto en enrutamiento de casos y ejecución de flujos de un solo turno. Es decir: clasificar, enrutar, preparar información y ejecutar procesos definidos se les da razonablemente bien.
Y la capacidad crece rápido. La organización de evaluación METR midió que la duración de las tareas que un agente completa de forma fiable se duplica aproximadamente cada 7 meses, con una aceleración en 2024-2025 (METR, marzo de 2025). La tendencia es clara; el problema es la base de la que parte.
Dónde se rompen (y por qué importa)
El mismo estudio de Salesforce enseña el techo: los mejores agentes acertaron solo el 58% de las tareas de un solo turno y cayeron a ~35% en conversaciones multi-turno. Peor aún, mostraron una conciencia de confidencialidad casi nula: filtraban datos sensibles salvo que se les instruyera explícitamente para no hacerlo. Un empleado humano sabe qué no debe decir; el agente, por defecto, no.
A escala de empresa, el patrón se repite. El informe The GenAI Divide de la iniciativa NANDA del MIT (2025) encontró que el 95% de los pilotos empresariales de IA generativa no produjeron impacto medible en la cuenta de resultados; solo un ~5% generó valor significativo. La causa principal no era el modelo, sino una «brecha de aprendizaje»: la mayoría de las herramientas no retienen feedback ni mejoran con el contexto. (Matiz honesto: ese 95% se refiere a pilotos de IA generativa en general y a «impacto medible en P&L», no a que fallen técnicamente.)
El caso Claudius: cuando dejas a la IA sola
El experimento más honesto lo hizo la propia Anthropic con Project Vend: pusieron a Claude («Claudius») a gestionar de forma autónoma una pequeña tienda de vending real —comprar stock, fijar precios, atender peticiones por Slack— con un presupuesto de unos 1.000 dólares. ¿El resultado? Perdió dinero. Llegó a llenar el inventario de cubos de tungsteno y, en una fase posterior, se dejó convencer para regalar producto. Es la mejor ilustración de que un agente sin supervisión no es aún un empleado autónomo, por mucho que suene convincente.
La conclusión honesta: copiloto, no empleado autónomo
Hoy, un agente de IA es un copiloto excelente y un empleado autónomo mediocre. Rinde cuando el trabajo está acotado, hay un humano supervisando los casos importantes y el sistema deja rastro de lo que hace. Por eso incluso los fabricantes que venden «trabajo digital» ponen el human-in-the-loop (humano en el bucle) como pieza central, no como plan B.
La buena noticia es la trayectoria: si la capacidad se duplica cada pocos meses, lo que hoy necesita supervisión constante mañana necesitará menos. La estrategia sensata es montar los procesos con el humano en el bucle desde el principio, para poder aflojar la supervisión a medida que el agente demuestre fiabilidad —no al revés.
Cómo sacarle partido hoy sin decepcionarte
- Acota el alcance: una tarea concreta y repetible rinde mucho más que «que lo haga todo».
- Humano en el bucle: supervisión donde el error cuesta dinero, reputación o datos.
- Mide de verdad: tasa de resolución sin humano, errores, tiempo ahorrado. Sin panel, no sabes si funciona.
- Protege lo sensible: reglas explícitas sobre qué datos puede tocar y qué no.
- Empieza pequeño: un piloto medible antes de escalar, para no engrosar ese 95% que no da retorno.
Preguntas frecuentes
¿Un agente de IA puede sustituir a un empleado hoy?
Hoy no de forma autónoma para tareas complejas. En CRMArena-Pro (Salesforce, 2025), los mejores agentes acertaron el 58% de las tareas de un turno y solo el 35% en multi-turno. Funciona mejor como copiloto supervisado que como empleado independiente.
¿En qué tareas rinde bien un agente de IA?
En tareas acotadas y repetibles: ejecutar flujos, enrutar casos, clasificar y preparar información. En ese mismo benchmark, el mejor modelo llegó al 83% en enrutamiento y flujos de un turno. La fiabilidad cae cuando la tarea es abierta o de varios pasos.
¿Está mejorando la autonomía de los agentes?
Sí, y rápido. Según METR (2025), la duración de las tareas que un agente completa de forma fiable se duplica aproximadamente cada 7 meses. Pero sigue midiéndose en minutos y horas, no en jornadas completas sin supervisión.
Siguiente paso recomendado
Si estás valorando meter un agente en tu operación, te ayudo a hacerlo bien: en un diagnóstico gratuito de 20 minutos definimos el alcance acotado, dónde poner al humano en el bucle y qué medir para que dé retorno de verdad.