Hero Image
Esteve Almirall & Xavier Amatriain

Los nuevos actores: Agentes inteligentes y el futuro de los negocios

Innovación y tecnología 17 Septiembre 2026

El auge de los agentes inteligentes marca una nueva fase en la IA, pasando de la automatización a la toma de decisiones activa. Estos sistemas abren un nuevo terreno de juego al razonar, adaptarse e interactuar con su entorno.

Equipo Do Better

La inteligencia artificial está entrando en una nueva fase. Mientras que los chatbots y la IA generativa han estado en el centro de las discusiones, una nueva generación de agentes inteligentes está emergiendo como actores clave. Estos agentes, diseñados para operar de manera autónoma en diversos entornos, están transformando el comercio, la atención al cliente y la logística. Pero, ¿qué significa este cambio para las empresas y la sociedad? 

¿Qué son los agentes IA? Más allá de los modelos de inteligencia artificial

Xavier Amatriain, vicepresidente de Producto (IA and Compute Enablement) abordó en el evento 4YFN del MWC Barcelona 2025, un malentendido común en la industria: la diferencia entre los modelos de IA y los agentes inteligentes. “Todo el mundo habla de agentes, pero nadie sabe realmente qué son”, comentó.

Mientras que los modelos de IA generan resultados basados en datos, los agentes inteligentes integran modelos, herramientas y señales externas para actuar en el mundo. No solo reaccionan, sino que poseen una forma de razonamiento a largo plazo, tomando decisiones más allá de respuestas inmediatas. El verdadero desafío, según Amatriain, radica en diseñar estos agentes con acceso adecuado a herramientas y datos que los hagan realmente útiles para las empresas. 

Cuando la IA se percibe como una nueva forma de inteligencia profesional, se vuelve transformadora e irreversible

¿Cómo funciona un agente de IA?

Un agente de inteligencia artificial opera siguiendo un ciclo continuo de cuatro fases:

  1. Percepción: recoge información del entorno mediante interfaces digitales o flujos de datos.
  2. Razonamiento: procesa esa información con modelos de lenguaje, árboles de decisión o redes neuronales para construir una representación del estado actual.
  3. Decisión: evalúa opciones de acción en función de un objetivo o función de utilidad y selecciona la más prometedora.
  4. Acción: ejecuta tareas reales como enviar correos, buscar información, activar sistemas o generar informes e incorpora el resultado al ciclo siguiente.

Esta capacidad de encadenar acciones distingue a los agentes IA de los chatbots tradicionales, que solo responden a una consulta y se detienen.

La IA como inteligencia profesional: de la automatización al razonamiento

Omar Puertas, experto en IA y socio de Cuatrecasas, ofreció una perspectiva que invita a replantear el papel de los agentes de inteligencia artificial en las organizaciones. “La IA como asistente o copiloto es una distracción. Lo realmente transformador es que estamos razonando con la tecnología”. En lugar de limitarse a acelerar procesos existentes, los agentes IA pueden alterar fundamentalmente la forma en que las organizaciones conciben sus operaciones.

“Si la IA se usa solo como una herramienta de productividad, no será transformadora. Pero si se ve como una nueva forma de inteligencia profesional, se vuelve transformadora e irreversible”, añadió. El verdadero valor de la IA reside en su capacidad para mejorar el pensamiento humano. Por ejemplo, puede generar múltiples contraargumentos basados en criterios específicos, permitiendo a los profesionales explorar perspectivas que de otro modo no habrían considerado. 

Pensemos en el sector legal. La IA no solo ejecuta tareas, sino que evalúa críticamente argumentos, estrategias y estructuras de razonamiento. Esta transformación permite a las empresas incorporar la IA en la toma de decisiones, pasando de simples mejoras en eficiencia a una verdadera aumentación cognitiva. 

Evolución de los agentes de IA: de la banca a los sectores estratégicos

El sector bancario ha estado siempre a la vanguardia de la adopción de la IA, desde la detección de fraudes hasta la automatización de interacciones con clientes. Sin embargo, como destacó Rosa Martínez, la irrupción de la IA generativa está cambiando el paradigma. “Las herramientas de IA ya no son exclusivas de los equipos técnicos; ahora están al alcance de casi cualquier persona”. 

Uno de los mayores impactos se da en la atención al cliente, donde los modelos de IA pueden responder a consultas complejas de manera estructurada y atenta. Más allá de las interacciones con los clientes, la IA generativa permite a los bancos adoptar un enfoque más proactivo, identificando necesidades antes de que surjan y ofreciendo soluciones financieras personalizadas. 

No obstante, Martínez subrayó que las empresas deben utilizar la IA de manera estratégica. Es fundamental determinar dónde aplicar la IA generativa y dónde pueden ser más apropiadas otras tecnologías. Además, las empresas deben ser adaptables, ya que los modelos de IA evolucionan rápidamente. La clave del éxito, señaló, radica en la calidad de los datos: “Los datos precisos, completos y extensos son fundamentales. No todas las organizaciones están en el mismo nivel en cuanto a preparación de datos”. 

La tendencia se extiende a múltiples sectores. Según datos de IDC (2025), para 2028 el 40 % de los profesionales de las 500 principales empresas europeas trabajarán junto a agentes IA para generar informes y gestionar datos. El mercado de inteligencia artificial agentica ya alcanza los 7.380 millones de dólares y crece a un ritmo del 44,8 % anual.

Agente inteligente: ejemplos de aplicación real

Los principales casos de uso de agentes de inteligencia artificial en 2025-2026 incluyen:

  • Finanzas: agentes que monitorizan carteras en tiempo real, detectan fraudes y generan informes financieros autónomamente.
  • Legal: sistemas que analizan contratos, evalúan riesgos regulatorios y sugieren estrategias procesales.
  • Logística: agentes que optimizan rutas de distribución adaptándose a incidencias en tiempo real.
  • Atención al cliente: asistentes que resuelven consultas complejas y derivan a agentes humanos solo cuando es necesario.
  • Salud: agentes que cruzan historiales médicos con la literatura científica para apoyar diagnósticos diferenciales.

¿Quién responde cuando un agente de IA falla? Transparencia y evaluación 

Sergio Álvarez-Napagao ofreció una visión desde la vanguardia del desarrollo de la IA. Aunque actualmente disponemos de modelos generativos para casi todo, la característica definitoria de los agentes inteligentes es su capacidad para percibir e interactuar con su entorno de maneras específicas. Álvarez-Napagao, quien lleva años investigando agentes inteligentes en el Barcelona Supercomputing Center, señaló un gran inconveniente: “Todavía no entendemos completamente por qué los modelos de IA funcionan como lo hacen o por qué presentan ciertas propiedades”. 

Debemos pensar en los agentes de IA como herramientas que amplifican nuestras capacidades, pero siempre con un humano responsable de sus decisiones

Este déficit explicativo agrava uno de los dilemas más urgentes en la evaluación de agentes de IA:  la asunción de responsabilidades. A medida que los sistemas de IA ganan más autonomía, surge la pregunta: ¿quién es responsable de sus acciones? 

Amatriain advirtió que la IA no posee conciencia —ni agencia moral—. “Debemos pensar en ellos como herramientas que amplifican lo que hacemos, pero siempre debe haber un humano responsable de sus decisiones”, afirmó. 

Pensemos en un escenario hipotético donde una empresa entrena un agente de IA para actuar como su CEO. Si este agente tomara una decisión perjudicial, la cuestión de la responsabilidad legal y ética sería extremadamente compleja. El mismo dilema se extiende a muchas otras áreas donde las decisiones impulsadas por IA ya son una realidad. ¿Qué sucede cuando la IA decide quién recibe un préstamo o una ayuda social? ¿Quién es contratado o despedido? O, en ámbitos aún más problemáticos, ¿qué ocurre cuando una IA militar decide qué o quién es un objetivo legítimo? 

La IA que se entrena a sí misma: oportunidades y riesgos de la automejora

De cara al futuro, Álvarez-Napagao sugirió que los agentes de IA pronto estarán profundamente integrados en la vida cotidiana. “Hace diez años, no podríamos haber imaginado el nivel de imágenes generadas por IA que tenemos hoy”, afirmó. En su opinión, dentro de otra década, podríamos ver robots domésticos, hospitalarios y de asistencia capaces de planificar, moverse de forma autónoma y ayudar en tareas diarias. Sin embargo, enfatizó la importancia de la educación del usuario: si no preparamos adecuadamente a las personas para interactuar con estos agentes, “corremos el riesgo de cometer errores significativos”. 

Uno de los temas más intrigantes de la discusión giró en torno a la capacidad de la IA para entrenarse a sí misma. Amatriain confirmó que la mayoría de los datos utilizados para entrenar modelos de IA ya están siendo etiquetados por otros modelos de IA. “Esto está evolucionando rápidamente. Es emocionante ver que estos modelos están en camino de descubrir soluciones a problemas que ni siquiera hemos considerado aún”, apuntó. Por ejemplo, podrían desempeñar un papel clave en la cura de enfermedades al identificar patrones que los humanos pasarían por alto. 

Sin embargo, esta rápida automejora también conlleva riesgos. Es crucial mantener una supervisión y comprender qué está ocurriendo dentro de estos modelos. La idea de un bucle de automejora sin control es preocupante, tal como señaló Amatriain. Aunque algunos especulan que ciertos modelos ya han entrado en esta fase, enfatizó la importancia de la supervisión humana para garantizar que la IA siga alineada con las necesidades de la sociedad.

Nuevas tendencias en la evolución de los agentes de IA

La evolución de los agentes de IA actualmente se caracteriza por tres grandes tendencias:

  • Agentes multimodales: capaces de procesar texto, voz, imagen y datos estructurados en un mismo flujo de trabajo, lo que amplía su aplicación a entornos físicos y digitales simultáneamente.
  • Redes de agentes colaborativos (multi-agent systems): varios agentes inteligentes coordinados entre sí para resolver tareas que ninguno podría abordar de forma individual, como la gestión integral de una cadena de suministro.
  • Estándares de gobernanza: organismos como el NIST (EE.UU.) y la Agencia Europea de IA están desarrollando marcos de evaluación y certificación para agentes de inteligencia artificial desplegados en sectores críticos.

El futuro de los agentes de IA

A medida que los agentes inteligentes ganan protagonismo, las empresas deben adaptarse a un panorama en constante evolución. Las preocupaciones éticas, la transparencia y la regulación desempeñarán un papel crítico en la configuración del futuro de la IA. El reto para empresas y legisladores es aprovechar el poder de los agentes inteligentes mientras se garantiza que sirvan a los mejores intereses de la humanidad.

La pregunta ya no es si los agentes de inteligencia artificial transformarán los negocios. La evidencia, del sector bancario, legal, logístico y sanitario, indica que ya lo están haciendo. La pregunta que deben hacerse directivos, reguladores y profesionales es cómo diseñar ese futuro de forma responsable.

Preguntas frecuentes

¿Qué son los agentes IA?

Los agentes IA son sistemas de inteligencia artificial diseñados para percibir su entorno, razonar sobre él y actuar de forma autónoma con el objetivo de completar tareas complejas. A diferencia de los chatbots o la IA generativa clásica, los agentes de inteligencia artificial no solo responden, sino que planifican, usan herramientas externas y encadenan acciones para alcanzar un objetivo definido sin supervisión humana constante.

¿Cómo funciona un agente de IA?

Un agente de inteligencia artificial opera en un ciclo continuo, percibe información del entorno, la procesa con modelos de lenguaje o algoritmos de razonamiento, toma una decisión y ejecuta una acción real (como enviar un mensaje, consultar una base de datos o generar un informe). El resultado de esa acción retroalimenta el ciclo siguiente, permitiendo al agente adaptarse a los cambios del contexto.

¿Cuál es la diferencia entre un agente IA y un chatbot?

Un chatbot responde a una pregunta puntual y se detiene. Un agente IA va más allá: puede encadenar múltiples acciones, usar herramientas externas (navegador web, APIs, bases de datos) y perseguir un objetivo de forma autónoma a lo largo del tiempo. La clave es la capacidad de planificar y actuar, no solo de generar texto.

¿Cuáles son los principales ejemplos de agentes inteligentes en empresas?

Los ejemplos más destacados de agentes inteligentes en el ámbito empresarial son: agentes de atención al cliente que resuelven incidencias complejas de forma autónoma, agentes financieros que monitorizan carteras y detectan fraudes en tiempo real, agentes logísticos que optimizan rutas adaptativamente y agentes legales que analizan contratos y evalúan riesgos regulatorios. En todos los casos, el agente actúa, aprende y mejora con cada ciclo.

¿Cómo se realiza la evaluación de agentes de IA?

La evaluación de agentes de IA considera tres dimensiones principales:

  1. Trazabilidad: ¿se pueden explicar las decisiones tomadas?
  2. Alineación con los valores de la organización: ¿el agente actúa dentro de los límites éticos y legales definidos?
  3. Efectividad: ¿alcanza los objetivos con la precisión y el coste esperados?.

En contextos de alto riesgo, la AI Act europea exige auditorías externas antes del despliegue.

¿Cuál es la evolución de los agentes de IA en 2025-2026?

La evolución de los agentes de IA en 2025-2026 está marcada por tres tendencias: la emergencia de agentes multimodales (que procesan texto, voz e imagen de forma integrada), el auge de los sistemas multiagente colaborativos (redes de agentes inteligentes que coordinan tareas complejas entre sí) y el desarrollo de marcos regulatorios específicos para su evaluación y certificación en sectores críticos.

Todo el contenido está disponible bajo la licencia Creative Commons Reconocimiento 4.0 Internacional.