La competencia de agentes de IA se desplaza de la capacidad de operación de computadoras a sistemas operativos seguros para empresas

La competencia de agentes de IA está cambiando su enfoque de la capacidad de operación de computadoras a sistemas operativos que pueden ser implementados de manera segura en las operaciones empresariales. Se ha analizado que no solo se necesita un buen rendimiento del modelo, sino también la gestión del contexto y los permisos específicos de cada empresa, así como la recuperación de errores y los sistemas de verificación para poder confiar en ellos en tareas reales.

Andreessen Horowitz, en un artículo publicado el 28 de agosto de 2025, señaló que los agentes que utilizan computadoras están ampliando el alcance de la automatización de tareas al interactuar directamente con navegadores y entornos de escritorio. En el ámbito empresarial, se considera que la orquestación, que coordina el contexto y la confiabilidad específicos de la empresa, así como las tareas a largo plazo, es más importante que el modelo genérico en sí.

Los agentes que utilizan computadoras son sistemas de IA que reconocen la pantalla que utiliza una persona y realizan acciones como clics, entradas y desplazamientos. A diferencia de la automatización de procesos robóticos (RPA) tradicional, que repite procedimientos establecidos, estos agentes seleccionan las herramientas necesarias y procesan múltiples pasos tras recibir un objetivo.

Las aplicaciones incluyen tareas que implican la búsqueda de documentos, la entrada en sistemas de gestión de clientes, notificaciones en mensajería interna y la redacción de informes, que requieren la interacción con varios programas. En las operaciones empresariales, la automatización completa del proceso solo con la capacidad de manipular pantallas es difícil debido a la complejidad de los permisos de acceso, el manejo de excepciones, los registros de auditoría y los procedimientos de aprobación humana.

Según un artículo oficial de OSWorld, la tasa de éxito de los humanos en 369 tareas informáticas reales fue del 72.36%, mientras que la tasa de éxito del mejor modelo en ese momento fue del 12.24%. OSWorld es un benchmark que mide la capacidad de manejar archivos, aplicaciones y páginas web en un entorno operativo real.

OpenAI informó que el 23 de enero de 2025, su agente que utiliza computadoras (Computer-Using Agent, CUA) registró un 38.1% en OSWorld, un 58.1% en WebArena y un 87% en WebVoyager. Estas cifras indican que los modelos que manejan computadoras han pasado de la etapa de investigación a la de comercialización.

Sin embargo, incluso al medir la misma capacidad de uso de computadoras, es difícil comparar los resultados si las versiones del benchmark, la configuración de tareas y los entornos de ejecución son diferentes. Los estudios originales y las reevaluaciones de OSWorld y de empresas individuales aplican condiciones distintas, por lo que es necesario aclarar los criterios de evaluación junto con los números de rendimiento.

La razón por la que es difícil explicar el cuello de botella de los agentes de IA para empresas solo con las puntuaciones de los modelos radica en esto. Aunque se tenga un modelo potente, si no se proporciona el contexto necesario a tiempo, no se verifica el resultado de la ejecución y no se cuenta con un sistema para recuperar tareas fallidas, será difícil operar de manera estable en un entorno de producción.

Microsoft, en un artículo publicado el 2 de junio de 2026, destacó que lo que las empresas necesitan no es solo un modelo fuerte o recursos computacionales, sino un sistema para construir, desplegar, observar y controlar los agentes. Propuso como condiciones clave para la implementación en entornos de producción: contexto, gobernanza, observabilidad y mejora continua.

OpenAI también explicó en un artículo publicado el 25 de junio de 2026 que la forma de utilizar los agentes está cambiando de consultas puntuales a la delegación de tareas a largo plazo. A medida que el tiempo de trabajo se alarga, la importancia de la verificación de resultados intermedios, las restricciones de permisos y los procedimientos de transferencia a humanos en caso de fallos también aumenta.

La seguridad es otro desafío que los agentes para empresas deben resolver. Cuando los agentes pueden leer y escribir documentos internos y sistemas de trabajo, aumenta el riesgo de exponer información sensible junto con la capacidad de utilizar el contexto necesario.

La investigación CI-Work de Microsoft Research presentó que la tasa de violación de privacidad de los agentes de modelos de lenguaje grande (LLM) para empresas es del 15.8% al 50.9%, y la tasa de filtración de información puede llegar hasta el 26.7%. Los investigadores concluyeron que no es suficiente aumentar el tamaño del modelo o la profundidad de inferencia para resolver el problema de filtración de información según el contexto.

En la industria, hay opiniones que ven a los agentes que pasan por pantallas y navegadores como un enfoque transitorio para conectar con el software existente, y otras que creen que el enfoque en el que los agentes manejan directamente las herramientas existentes como lo haría una persona se convertirá en la norma. Ambas posiciones coinciden en que la implementación real requiere control de acceso, barandillas y verificación de resultados de ejecución.

Dentro de las empresas, también continúan los intentos de establecer estructuras operativas para los agentes. El sistema interno de IA de Coinbase ha aplicado una estructura de sandbox en la nube, coordinación de subagentes y generación automática de tareas, y este diseño de sistema se convierte en la base para distinguir el alcance de ejecución y la responsabilidad en el proceso en el que el modelo realiza tareas de múltiples etapas.

En el ámbito de los activos virtuales, la cuestión de cómo diseñar la identidad, los permisos y el sistema de auditoría de los agentes de IA es un punto de contacto directo más que el beneficio de precios. Dado que se ha iniciado una investigación conjunta para verificar la identidad y el alcance permitido de los agentes de comercio autónomo, la importancia de los sistemas de control aumenta a medida que los agentes se integran más en las operaciones empresariales y la infraestructura de activos digitales.

Este contenido se ofrece únicamente con fines informativos generales y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, tradear o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.