Qué pueden y qué no pueden hacer los agentes de IA hoy

Hay dos relatos sobre los agentes de IA que conviven en internet. El primero dice que pueden hacer cualquier cosa: gestionar negocios enteros, reemplazar equipos completos, operar sin supervisión humana indefinidamente. El segundo dice que son una burbuja: que los demos son engañosos, que en producción no funcionan, que la IA es hype sin sustancia. Las dos afirmaciones son exageradas. La realidad está en el medio y es más útil que cualquiera de ellas para tomar decisiones reales.

Este artículo describe lo que los agentes de IA hacen bien, lo que hacen mal, cuándo tiene sentido usarlos y cuándo no. Sin prometer más de lo que hay y sin minimizar lo que sí funciona.

Lo que los agentes hacen bien (y por qué)

Un agente no duerme, no está de vacaciones, no se pone enfermo. Responde a las 3 de la mañana con la misma calidad que a las 3 de la tarde. Para negocios con atención fuera de horario, esto no es un detalle: es la diferencia entre responder o no responder. El cliente que escribe a las 11 de la noche recibe respuesta a las 11 de la noche.

Un agente responde con el mismo tono y la misma información cada vez. No tiene días malos, no improvisa cuando está cansado, no varía el mensaje según cómo se sienta. Para procesos donde la consistencia importa —instrucciones de check-in, información legal, confirmaciones de precio— esta uniformidad es una ventaja real frente a la variabilidad humana.

Un agente puede gestionar cien conversaciones simultáneas con la misma calidad que una. No hay tiempos de espera, no hay colas, no hay "ahora mismo te atiendo". El coste de atender a un cliente adicional es prácticamente cero. Para negocios con picos de demanda, esto cambia el modelo operativo de forma significativa.

Un agente que funciona con un modelo de lenguaje moderno responde en el idioma del usuario sin configuración adicional. El huésped que escribe en alemán recibe respuesta en alemán. El que escribe en japonés, en japonés. Sin versiones distintas del sistema, sin traductores, sin tiempo de respuesta adicional.

Un agente sabe lo que se dijo antes en el mismo hilo y lo usa para responder mejor ahora. Si el cliente mencionó en el tercer mensaje que tiene una alergia, el agente la recuerda en el décimo. No hace falta repetirse.

Lo que los agentes hacen mal (y por qué)

Este apartado es el más importante del artículo. Un proveedor que reconoce los límites de su propia tecnología merece más crédito que uno que los oculta. Aquí están sin suavizar:

Los modelos de lenguaje tienen tendencia a generar respuestas plausibles aunque no tengan la información correcta. El fenómeno se llama alucinación y existe en todos los modelos actuales, incluidos los mejores. Un agente bien diseñado tiene restricciones que limitan esto —solo responde sobre lo que sabe, escala lo que no sabe— pero el riesgo no desaparece. Un agente configurado con información incorrecta o desactualizada producirá respuestas incorrectas con total confianza.

Un agente sigue patrones aprendidos. Cuando aparece una situación que no encaja en ningún patrón conocido, su respuesta puede ser inadecuada o directamente incorrecta. El juicio humano ante la incertidumbre —la capacidad de razonar desde cero sobre algo sin precedente— sigue siendo muy superior al de cualquier agente actual.

Un agente puede detectar que un mensaje tiene tono negativo. No puede entender la complejidad emocional de una situación humana real: una persona que acaba de perder un vuelo, un huésped que está pasando un mal día por razones ajenas al alojamiento, alguien que necesita ser escuchado más que ser gestionado. En conversaciones con alta carga emocional, la respuesta del agente puede ser técnicamente correcta pero humanamente inadecuada.

Un agente es exactamente tan bueno como la información con la que fue configurado. Si esa información es incorrecta, incompleta o desactualizada, el agente produce respuestas incorrectas, incompletas o desactualizadas. La calidad del output está acotada por la calidad del input. No hay inteligencia que compense una base de conocimiento deficiente.

Un agente puede decirle al huésped que alguien irá a arreglar el grifo. No puede ir a arreglarlo. Las limitaciones del mundo físico —enviar a alguien, abrir una puerta, firmar un papel— siguen siendo territorio humano.

Los casos de uso donde los agentes tienen sentido

Cuando el negocio recibe muchas consultas con respuestas conocidas —horarios, precios, instrucciones, confirmaciones— el agente escala ese trabajo sin coste adicional. La propietaria con tres pisos turísticos que recibe cuarenta mensajes semanales con las mismas preguntas de siempre. La clínica dental con veinte citas diarias que necesita confirmar, recordar y gestionar cancelaciones. El comercio con muchos pedidos que generan las mismas dudas de seguimiento.

Cuando el negocio no puede tener personas disponibles las 24 horas, el agente cubre esa ventana con consistencia. No como sustituto del equipo humano durante el horario normal, sino como extensión del servicio cuando el equipo no está.

Check-in digital, registro policial, recordatorios de cita, confirmaciones de reserva. Tienen un inicio, un proceso y un final conocidos. El agente puede seguir ese flujo de forma fiable porque no hay ambigüedad estructural en el proceso.

El agente no necesita resolver todo. Necesita resolver lo que puede resolver y escalar lo que no puede con el contexto ya procesado. Eso libera al humano para las situaciones que realmente necesitan atención, con toda la información relevante ya organizada.

Los casos de uso donde los agentes no tienen sentido

Si recibes tres mensajes a la semana y siempre en horario laboral, el coste de configurar, mantener y actualizar un agente no está justificado. La fricción operativa que elimina es menor que la fricción de implementarlo y mantenerlo.

En consultoría de alto nivel, asesoramiento médico complejo o negociaciones importantes, el valor está precisamente en el juicio humano, en la experiencia acumulada, en la confianza construida persona a persona. Un agente en ese contexto no añade valor: lo resta.

Si una respuesta incorrecta del agente puede causar daño real —información médica crítica, decisiones legales con consecuencias irreversibles, contextos de seguridad— las restricciones necesarias para operar con seguridad son tan estrictas que el agente pierde su utilidad principal. En esos casos, el coste del error supera el beneficio de la automatización.

Dónde está el agente de IA en 2026

Los agentes de 2026 son significativamente más capaces que los de 2023. La diferencia no es lineal: hay tareas que antes no funcionaban y ahora funcionan bien. Hay otras que siguen siendo difíciles.

Han mejorado de forma real la comprensión del lenguaje natural en contextos complejos, el manejo de la ambigüedad, el multiidioma, la integración con sistemas externos y la gestión del contexto en conversaciones largas. Un agente actual puede mantener una conversación coherente de veinte mensajes y recordar lo relevante de los primeros cuando responde en el último. Hace dos años eso no funcionaba bien.

Sigue siendo difícil el razonamiento en múltiples pasos que requieren lógica encadenada compleja, el juicio en situaciones sin ningún precedente en los datos de entrenamiento, la detección de ironía o sarcasmo en contextos culturales específicos y el manejo de ambigüedades profundas donde el contexto no es suficiente para resolver.

El panorama en los próximos 12-24 meses es de mejora progresiva en las áreas difíciles, sin saltos cuánticos. Los agentes que funcionan hoy seguirán funcionando mejor. Los que no funcionan hoy no van a resolverse automáticamente con la próxima versión del modelo. La diferencia entre un agente bien implementado y uno mal implementado seguirá siendo mayor que la diferencia entre versiones de modelo.

Entender qué puede hacer un agente es el primer paso para decidir si tiene sentido para un negocio concreto. El segundo paso es ver uno funcionando en el contexto específico en el que se va a usar.