IA en el trabajo: Desde «mejores respuestas» hasta resultados empresariales reales

Durante el último mes, hemos visto cómo las herramientas de codificación con IA empiezan a asumir tareas de desarrollo en varios pasos de principio a fin. GitHub Copilot ahora puede diseñar funcionalidades, sugerir correcciones, ejecutar pruebas e iterar sobre el código dentro del flujo de trabajo de los desarrolladores. Claude Code de Anthropic ha demostrado una ejecución similar en varios pasos—planificar cambios, escribir y revisar código, y validar resultados—mientras los humanos supervisan o incluso duermen. Y OpenAI describió su nuevo Codex GPT-5.3 como «fundamental para crearse a sí mismo.»

Mientras tanto, la mayoría de las empresas utilizan modelos como herramientas para responder preguntas. Esa brecha—entre lo que los modelos son capaces de hacer ahora y cómo se utilizan en verdad en el trabajo—crece con rapidez.

La siguiente fase de la IA es un cambio de modelos independientes a sistemas de trabajo agénticos. En 2026, la IA planificará, actuará, verificará, revisará y cumplirá cada vez más. Hasta ahora, el mayor reto para llevar la IA al trabajo ha sido tan solo conseguir que la gente la utilice. De cara al futuro, se convierte en una cuestión operativa: cómo estructurar, coordinar y gobernar el trabajo cuando las tareas y procesos completos de extremo a extremo se ejecutan de manera autónoma por agentes. La calidad del modelo va a importar, pero lo que más importará es asegurar que esos modelos existan dentro de un sistema diseñado para ofrecer resultados de alta calidad de manera consistente, segura y a gran escala.

Ya hemos comenzado a incorporar estas capacidades a Microsoft Copilot—ampliándola de la asistencia en tareas a la ejecución coordinada dentro de las herramientas que la gente utiliza a diario.

Los planificadores y los trabajadores hacen el trabajo

Un sistema de trabajo agéntico es una serie de agentes, apoyados por herramientas, configurados para colaborar y completar tareas. A un nivel básico, estos sistemas tienen dos roles: planificadores y trabajadores. Un bucle externo de agentes planificadores toma un objetivo, lo divide en pasos y asigna esos pasos a agentes de trabajo o herramientas deterministas—como una base de datos o una calculadora—para completar una tarea. Un bucle interno de agentes trabajadores ejecuta esos pasos—escribir código, analizar datos, tomar acciones—a través de herramientas donde la precisión y la repetibilidad importan. Los agentes planificadores luego revisan el progreso y deciden qué ocurre después.

Esta estructura es más o menos sencilla, pero crucial porque permite a los sistemas de IA mantenerse orientados a lo largo del tiempo para planificar, ejecutar, revisar su trabajo y recuperarse cuando algo falla. Pueden ver elementos de esto hoy en GitHub Copilot. Un desarrollador puede describir un cambio, hacer que Copilot genere la implementación, ejecutar pruebas, responder a fallos e iterar, todo dentro del entorno de desarrollo. Estas herramientas son todavía guiadas por humanos, pero muestran cómo la ejecución en varios pasos se integra de manera directa en los flujos de trabajo. Claude Code ha demostrado una ejecución similar en varios pasos fuera del IDE, lo que deja en claro hacia dónde se dirige esto.

Los sistemas de trabajo en verdad agénticos permitirán que funciones enteras pasen de la asistencia tarea por tarea a la ejecución de extremo a extremo, desde marketing y finanzas hasta operaciones y atención al cliente.

Desde asistentes hasta sistemas de trabajo agénticos

Los agentes planificadores y trabajadores coordinan para pasar del objetivo al resultado—a través de ejecutar tareas de extremo a extremo sin que los humanos orquesten cada paso.

Diagrama que muestra un sistema de trabajo con agentes: agentes planificadores interpretan la intención, orquestan flujos de trabajo, llaman herramientas y evalúan resultados, mientras que los agentes ejecutores realizan tareas especializadas, colaboran con otros agentes y usan herramientas para completar trabajo de extremo a extremo.

De la experiencia a la ejecución

El verdadero desbloqueo de un sistema de trabajo agéntico es la capacidad de pasar de un objetivo a otro sin que los humanos coordinen cada paso. Eso es lo que eleva la IA de asistente a capa operativa.

Este cambio deja claro el problema que la mayoría de las organizaciones han encontrado. La IA no se estanca porque los modelos no puedan hacer más. Está estancado porque el trabajo sigue diseñado en torno a que los humanos tomen todas las decisiones. Como resultado, los líderes ven mucha actividad—borradores, pilotos, experimentos—pero muy poco progreso que se acumule.

Hasta que cambien los flujos de trabajo, el progreso se mantendrá incremental, sin importar lo capaz que se vuelva la tecnología.

En la práctica, un sistema de trabajo se comporta menos como una sola herramienta y más como un equipo bien gestionado: un objetivo entra en el sistema. Una capa coordinadora lo traduce en pasos, enruta cada paso al agente correspondiente, evalúa los resultados según criterios definidos y determina qué debe ocurrir a continuación. Si algo falla, el sistema intenta, escala o solicita la intervención humana. Cuando algo funciona, el sistema captura lo aprendido—enfoques exitosos, señales útiles, casos límite resueltos—y utiliza ese contexto para informar la siguiente ejecución.

Esta es la dirección hacia la que Copilot evoluciona: desde la asistencia en tareas aisladas hasta la ejecución coordinada entre flujos de trabajo.

Lo que todo esto significa para los líderes

Pasamos de modelos quesaben a sistemas que ejecutan—una categoría de cambio diferente. Es una nueva configuración de cómo se realiza el trabajo. 

La mayoría de los líderes no empiezan con un mapa claro de sus flujos de trabajo. Eso es normal. El trabajo se ha acumulado a lo largo de los años entre equipos, herramientas y entregas que nadie posee por completo. El punto de partida práctico no es rediseñarlo todo, sino empezar con un resultado recurrente y rastrear cómo se hace en verdad. Ya sea al lanzar una campaña, cerrar un ticket o lanzar una función, hagan preguntas:

* ¿Dónde se retrasa el trabajo?

* ¿Dónde intervienen los humanos solo para hacer avanzar las cosas?

* ¿Dónde se estanca el progreso porque la coordinación del flujo de trabajo vive en la cabeza de las personas?

Los sistemas de trabajo agénticos importan porque hacen visibles esos puntos débiles para su rediseño. Ofrecen a los líderes una forma de pasar de experimentos de IA aislados a mecanismos operativos que pueden llevar el trabajo hacia adelante. Así es como este cambio se vuelve accionable: un flujo de trabajo a la vez.

(*) Jared Spataro, Director Médico de la IA en el Trabajo de Microsoft.

FUENTE Y FOTO: Microsoft.