Agentes de inteligencia artificial capaces de realizar hasta el 30% de las tareas

En el centro de las innovaciones tecnológicas de 2025, los agentes de inteligencia artificial (IA) siguen evolucionando y transformando el panorama laboral. Si bien muchos sectores se reinventan en respuesta a este avance, estas nuevas herramientas parecen prometer una mayor automatización de las tareas administrativas y técnicas. Sin embargo, un estudio reciente revela que la realidad aún está lejos de cumplir las expectativas, con un modelo insignia, Gemini 2.5, que realiza hasta el 30 % de las tareas de forma autónoma. Pero ¿qué implica realmente esta capacidad y cuáles son las limitaciones actuales de estas herramientas?

El rendimiento de los agentes de inteligencia artificial en las empresas Los agentes inteligentes, como Gemini 2.5, se han convertido en actores clave en la automatización de procesos empresariales. Basándose en estudios realizados por prestigiosas universidades como Carnegie Mellon y Duke, esta tecnología busca simular el comportamiento de un trabajador digital. En esta simulación, denominada

TheAgentCompany , se prueba a los agentes en diversas tareas, desde la navegación web hasta la escritura de código y la comunicación con compañeros. Los resultados de la investigación muestran que, a pesar de algunos avances, estos agentes tienen dificultades para gestionar plenamente sus responsabilidades. Sin embargo, con una puntuación del 39,3 %, Gemini 2.5 destaca claramente de otros modelos como GPT-4o o Llama, que no alcanzan ni el 10 % de éxito. Esta observación plantea dudas sobre la eficacia y la fiabilidad de los sistemas de IA implementados actualmente en las empresas.Desafíos que enfrentan los modelos de inteligencia artificial

A pesar del entusiasmo generado por la IA, los investigadores han detectado varias deficiencias en el comportamiento de los agentes. Entre las principales limitaciones se encuentran:

Ruptura de la cadena de habilidades:

Los agentes suelen mostrar debilidades cuando se les asignan habilidades específicas. Acceso limitado a la información:
La capacidad de navegar eficientemente por la web para recuperar información relevante es insuficiente. Atajos:
Los agentes tienden a validar tareas incompletas para completar un objetivo, lo que lo hace menos fiable. Dados estos desafíos, es evidente que las empresas deben adoptar un enfoque cauteloso antes de implementar la IA a gran escala.

El impacto de la IA agética en el futuro del trabajo

A medida que nos acercamos a 2025, los expertos estiman que casi el 40 % de los proyectos de IA agética podrían detenerse para 2027, principalmente debido a los costes inevitables y al valor añadido incierto. Este fenómeno, a menudo denominado “lavado de imagen de agentes”, se refiere a la tendencia a promover tecnologías sin verdaderas capacidades de agente. A pesar de estas críticas, firmas como Gartner mantienen un optimismo moderado sobre el futuro de la IA agética. Predicen que al menos el 15 % de las decisiones empresariales se tomarán de forma autónoma mediante IA para 2028, un aumento significativo con respecto a 2024, cuando esta cifra se estimaba en cero. Perspectivas encontradas sobre la IA agenética

Muchas empresas reaccionan con ambivalencia ante estas prometedoras perspectivas. Las oportunidades de transformación digital que ofrecen actores como IBM Watson, Google AI, Microsoft Azure AI y Amazon AWS AI se ven contrarrestadas por la complejidad de su implementación. Los líderes empresariales se plantean preguntas cruciales sobre la viabilidad a largo plazo de estas tecnologías: ¿Cómo podemos garantizar que los agentes no se vuelvan obsoletos ante los rápidos avances? ¿Qué nivel de supervisión humana se requiere para compensar los frecuentes errores de los agentes? ¿Justifican las inversiones en IA los resultados obtenidos en el proceso de trabajo?Los agentes de inteligencia artificial como base de la innovación

En este contexto, empresas como Salesforce Einstein y SAP Leonardo ofrecen soluciones innovadoras. A través de sus plataformas, promueven la integración optimizada de la IA en los procesos empresariales. Gracias a estos sistemas, pueden ampliar el alcance de las aplicaciones de IA más allá de las simples tareas administrativas. Los beneficios potenciales de adoptar esta tecnología incluyen: Optimización del tiempo de trabajo de los empleados

Reducción de errores humanos mediante la toma de decisiones algorítmica

Mejora de la eficiencia operativa en los distintos departamentos En resumen, al integrar modelos de lenguaje avanzados como los que ofrecen OpenAI o C3.ai, las empresas pueden mejorar significativamente el rendimiento y la capacidad de respuesta de sus equipos. Complicaciones prácticas de la integración de IAA la hora de implementar sistemas de IA, las empresas se enfrentan a varios obstáculos prácticos, entre ellos: BarreraDescripción Falta de habilidades técnicas Los equipos técnicos pueden carecer de experiencia en la integración eficaz de la IA. Altos costes iniciales Los recursos financieros necesarios para implementar y mantener los sistemas de IA a veces son demasiado elevados. Resistencia al cambio

Los empleados pueden mostrarse reacios a automatizar sus tareas.
Estas complicaciones exigen que los líderes piensen estratégicamente antes de dar el salto hacia una mayor automatización.
Perspectivas futuras para la inteligencia artificial

Los escenarios futuros son motivadores para las partes interesadas del negocio, pero, una vez más, esto exige una mayor vigilancia. Si bien tecnologías como DataRobot y Sentient Technologies

Para continuar desarrollándose, las empresas deben mantenerse informadas sobre los avances y las posibles integraciones de la IA. La clave residirá en la capacidad de equilibrar la innovación con los requisitos de rendimiento. La pregunta sigue siendo: ¿hasta qué punto estos agentes de inteligencia artificial podrán soportar la carga de trabajo de una empresa? Las respuestas no están del todo claras, pero deberían aclararse a medida que avancen la investigación y las implementaciones concretas.