La escena lo dice todo. Un sistema recibe un objetivo, consulta bases de datos, descarta opciones, compara precios y entrega resultados, todo sin que ningún humano haya pulsado un botón intermedio. No es ciencia ficción: es la descripción operativa de la llamada inteligencia artificial agéntica, la siguiente etapa de una tecnología que ya reorganizó oficinas, redacciones y centros de atención al cliente en todo el mundo.
La distinción con la IA generativa —la que produce textos, imágenes y código a partir de una instrucción— es técnica pero decisiva. La IA generativa funciona de manera reactiva: espera una orden, produce un resultado, se detiene. La IA agéntica, en cambio, recibe un objetivo y determina por sí sola los pasos necesarios para alcanzarlo. Puede utilizar fuentes de información externas, herramientas diversas y memoria durante el proceso, ejecutando tareas con una intervención humana mucho menor.
Ambas tecnologías comparten raíces en el machine learning y en los avances sobre procesamiento del lenguaje natural y redes neuronales. Pero su relación no es de competencia sino de complemento: una planifica y ejecuta el flujo de trabajo; la otra genera el contenido que comunica los resultados.
Bruno Lobo, director general de Commvault para América Latina y experto en ciberseguridad, describió a la IA agéntica como una especie de colaborador digital, con aplicaciones posibles en atención al cliente, ventas y marketing. El ejemplo que ilustra la diferencia es concreto: una agencia inmobiliaria podría usar IA agéntica para atender la búsqueda de un apartaestudio nuevo, en piso alto, con vista exterior y cerca del centro de una ciudad. El sistema consultaría la base de datos, descartaría automáticamente los inmuebles que no cumplen las condiciones, analizaría ubicaciones, compararía precios y seleccionaría las opciones más ajustadas. Solo entonces la IA generativa entraría en escena para redactar un correo personalizado o un resumen comparativo.
Los detalles cuentan la historia. La IA generativa ya arrastra riesgos conocidos: errores, imprecisiones y sesgos en la información que produce. La IA agéntica añade un desafío cualitativamente distinto: su capacidad para actuar de manera autónoma. Si un sistema interpreta incorrectamente un objetivo, o si cuenta con permisos demasiado amplios, podría ejecutar acciones no deseadas. El nivel de riesgo dependerá del ámbito en que opere, de las herramientas a las que tenga acceso y del grado de supervisión humana. A medida que estas tecnologías asumen más tareas, la ciberseguridad y los mecanismos de control adquieren un papel fundamental.
No es un riesgo abstracto. Un agente con acceso a sistemas de pago, calendarios corporativos o bases de datos de clientes que malinterpreta una instrucción no produce un texto incorrecto: ejecuta una transacción, cancela una reunión o expone información sensible. La autonomía que lo hace valioso es exactamente la misma que amplifica el daño potencial de un error.
Para entender el presente hay que volver a esa semana de 2023 en que la IA generativa dejó de ser un experimento académico y se instaló en el escritorio de millones de trabajadores. Lo que viene ahora es un salto de magnitud comparable, pero con una diferencia estructural: aquella IA esperaba instrucciones; esta las anticipa.
Desde la perspectiva de Hemisferio, el debate relevante no es si la IA agéntica es buena o mala en abstracto. Es quién define los permisos, quién audita las decisiones y quién responde cuando el agente se equivoca. En un entorno de libre empresa, esas preguntas las responde mejor el mercado —con competencia, responsabilidad contractual y reputación en juego— que un aparato regulatorio que suele llegar tarde y legislar sobre tecnologías que ya mutaron. El riesgo real no está en la máquina que actúa sola: está en los marcos de gobernanza que se diseñen sin entender cómo funciona, o peor, sin querer entenderlo.
