Un agente de IA es un programa que persigue un objetivo en varios pasos, sin que nadie lo guíe en cada uno. Decide qué hacer, usa herramientas —un navegador, una terminal, una hoja de cálculo— y corrige el rumbo si algo falla, hasta entregar el resultado terminado12. Un chatbot normal se para en el primer paso: responde a lo que le preguntas y ahí acaba su trabajo.
La diferencia no es solo de marketing, aunque el término se use fatal en el mercado — de eso hablo más abajo. Este mismo blog lo escribo con uno: le doy un tema, investiga fuentes, escribe el borrador, revisa el SEO y me avisa cuando está listo, sin que yo intervenga entre paso y paso. Eso es completar el trabajo, no limitarse a contestar. Te cuento qué hace que un agente sea un agente de verdad, qué puede hacer solo hoy —con datos, no con la promesa del anuncio— y tres ejemplos que existen y funcionan ahora mismo.
Qué es un agente de IA, en una frase
Google Cloud lo define en su glosario oficial como una aplicación que consigue un objetivo procesando una entrada, razonando con las herramientas disponibles y actuando según lo que decide1. IBM lo resume de forma parecida: un sistema que realiza tareas de forma autónoma diseñando su propio flujo de trabajo con las herramientas que tiene a mano2. En las dos definiciones hay tres piezas que un chatbot normal no tiene: un objetivo en vez de una pregunta suelta, varios pasos encadenados en vez de una sola respuesta, y herramientas externas que el propio sistema decide cuándo usar.
El "cerebro" que razona dentro de un agente suele ser un LLM, el mismo tipo de modelo detrás de ChatGPT o Claude. Si no tienes claro cómo encaja eso con machine learning y deep learning, lo dejé explicado con calma en qué es machine learning. Lo nuevo del agente no es el modelo: es lo que se construye alrededor para que actúe, no solo hable.
En qué se diferencia de un chatbot normal
Pídele a un chatbot de atención al cliente "resérvame el hotel más barato de Bilbao para el 15" y, como mucho, te devuelve un enlace o una lista de opciones — su trabajo termina en la respuesta. Dale la misma instrucción a un agente y entra en la web de reservas, filtra por precio, comprueba disponibilidad y completa la reserva, parándose solo si necesita tu tarjeta o una confirmación que no puede tomar por su cuenta.
| Aspecto | Chatbot normal | Agente de IA |
|---|---|---|
| Qué recibe | Una pregunta | Un objetivo |
| Qué hace | Responde en texto | Planifica y ejecuta varios pasos |
| Herramientas | Ninguna, o una búsqueda simple | Navegador, APIs, terminal, código |
| Cuándo termina | Al dar la respuesta | Cuando cumple el objetivo o necesita tu confirmación |
Cómo funciona por dentro
Casi todos los agentes de IA de hoy reparten el trabajo en el mismo bucle: perciben la situación (leen el objetivo y lo que tienen delante), razonan con un LLM qué paso dar, actúan usando una herramienta y observan el resultado antes de decidir el siguiente paso. IBM llama a esas piezas "cerebro" (el modelo de lenguaje que razona), planificación (dividir el objetivo en subtareas), memoria (no perder el hilo de lo que ya hizo) y uso de herramientas (conectar con APIs, navegadores o software externo)2.
Que suene sencillo no significa que sea fácil de medir. El informe AI Index 2026 de Stanford HAI recoge que, en el benchmark OSWorld —tareas reales de ordenador, no exámenes de laboratorio—, la tasa de éxito de los agentes de IA pasó de apenas el 12% a cerca del 66% en muy poco tiempo, aunque el propio informe señala que siguen fallando en uno de cada tres intentos3. Es la mejora que hace que hoy un agente complete tareas que hace un año se le atragantaban — y también la razón por la que medir bien qué IA es más potente se ha vuelto tan disputado: con los chatbots bastaba comparar respuestas; con los agentes hay que comprobar si terminaron el trabajo.
Tres agentes de IA que existen hoy, no en un powerpoint
Para no quedarnos en la teoría, tres agentes reales que puedes usar ya, cada uno de una empresa distinta:
- Claude Code (Anthropic). Trabaja directamente en tu código: lee un issue, escribe la solución, ejecuta las pruebas y abre el pull request, desde la terminal, el IDE o Slack4. No es de código abierto (su licencia es de Anthropic), pero su repositorio público en GitHub ya suma más de 140.000 estrellas5. Yo lo uso a diario para el propio blog de esta web: es el que investiga, escribe y revisa el borrador que estás leyendo, en varios pasos encadenados sin que yo intervenga entre uno y otro.
- ChatGPT agent (antes Operator), de OpenAI. OpenAI lanzó Operator como preview de investigación en enero de 2025 y lo integró de lleno en ChatGPT en julio de ese año, bajo el nombre "ChatGPT agent": completa tareas online alternando razonamiento y acción —navegar webs públicas, rellenar formularios, editar hojas de cálculo— y pide tu confirmación antes de cualquier acción sensible, como un pago6.
- Gemini Spark (heredero de Project Mariner), de Google. Google DeepMind presentó Project Mariner en diciembre de 2024: un prototipo que controla el navegador Chrome por sí solo —mueve el cursor, hace clic, rellena campos— para completar tareas web, con un 83,5% de acierto en el benchmark WebVoyager7. En noviembre de 2025, junto a Gemini 3, Google llevó lo aprendido con Mariner a su app como Gemini Agent, solo para suscriptores de AI Ultra en Estados Unidos. En mayo de 2026 lo sustituyó por Gemini Spark: un agente que trabaja en la nube aunque cierres el portátil, conectado a Gmail, Docs y el resto de Workspace, y que pide permiso antes de gastar dinero o enviar un correo. Desde agosto está en los planes Google AI Pro y Ultra de más de 160 países8.
Anthropic, OpenAI y Google no son ni de lejos las únicas empresas peleando por este terreno — tienes el mapa completo en quién mueve la IA.
"Agente de IA" vs. "IA agéntica": ¿es lo mismo?
No hay una línea clara, y eso es parte del problema. Ni siquiera el intento más cuidadoso de separar los términos lo deja claro del todo. IBM define la "IA agéntica" como un sistema que logra un objetivo con supervisión limitada, compuesto por agentes de IA —los componentes que imitan la toma de decisiones humana—9. Es una distinción de manual que se pierde en cuanto sales de la documentación técnica. Gartner ha puesto números a la confusión: de los miles de proveedores que se anuncian vendiendo "IA agéntica", calcula que solo unos 130 son agentes genuinos. Predice, además, que más del 40% de los proyectos de este tipo se cancelarán antes de que acabe 2027 por falta de valor claro10. Xataka lo resume para el mercado español sin rodeos: de repente todo es IA agéntica, y el problema es que muchas empresas le ponen esa etiqueta a automatizaciones que ya existían antes de que la palabra se pusiera de moda11.
El dinero que mueve esa etiqueta es real, con confusión de términos o sin ella: Meta llegó a acordar la compra de Manus, una startup de agentes generalistas, por más de 2.000 millones de dólares a finales de 2025, antes de que los reguladores chinos obligaran a deshacer el acuerdo12.
Los límites reales: cuánto puede hacer solo (a octubre de 2026)
METR, una organización independiente que mide esto, calcula la duración de tarea que un modelo completa por su cuenta con un 50% de fiabilidad. En sus datos actualizados en mayo de 2026, Claude Opus 4.6 ronda los 719 minutos (unas 12 horas), Gemini 3.1 Pro unos 384 y GPT-5.4 unos 342. Un modelo en pruebas, Claude Mythos Preview, pasa de las 17 horas, pero METR avisa de que por encima de 16 sus mediciones ya no son fiables, y los modelos que han salido desde mayo todavía no aparecen en sus datos13. Es una capacidad que crece rápido —desde 2023 se duplica cada unos 129 días, algo más de cuatro meses—, pero sigue siendo cuestión de horas, no de días, y "50% de fiabilidad" quiere decir que la otra mitad de las veces se equivoca o se atasca. Ojo también con el margen: el intervalo de confianza de Opus 4.6 va de unas 5 a más de 60 horas.
Minutos de tarea que cada modelo completa por su cuenta con un 50% de fiabilidad. Fuente: METR, "Time Horizon 1.1", datos actualizados el 8 de mayo de 2026.13
La propia Anthropic lo confirma con datos de uso real de Claude Code. Solo el 20% de las sesiones de usuarios nuevos activa la aprobación automática total de acciones, un porcentaje que sube a más del 40% entre usuarios ya experimentados. Los usuarios interrumpen al agente entre el 5% y el 9% de los turnos, y en las tareas más complejas se detiene a pedir aclaraciones más del doble de veces que en una tarea sencilla14.
Esa distancia entre el anuncio y el uso real se nota también en las encuestas serias: McKinsey encontró en su encuesta de noviembre de 2025 que el 88% de las empresas ya usa IA de forma habitual en alguna función, pero solo el 23% ha empezado a escalar algún sistema de agentes, y casi siempre en una o dos funciones de la empresa. Otro 39% está todavía experimentando con ellos15. La mayoría todavía está probando, no dependiendo de ellos.
Gartner, mientras tanto, calculaba en agosto de 2025 que la superficie crecería rapidísimo: el 40% de las aplicaciones empresariales incluiría agentes específicos de tarea a finales de 2026, frente a menos del 5% en 2025 —el plazo vence este diciembre, así que pronto se sabrá si acertó—16. Las dos cifras conviven sin contradecirse: que una empresa "tenga" un agente integrado en su software no significa que dependa de él para algo importante. Si lo que te preocupa es qué significa esto para tu puesto de trabajo, lo trato con datos, sin catastrofismo, en ¿va la IA a quitarme el trabajo?.
Los riesgos de dejarle actuar solo
Que un agente pueda actuar trae problemas que un chatbot no tiene. El más conocido es la inyección de instrucciones (prompt injection): una web, un correo o un documento que el agente lee esconde texto escrito para que el agente lo tome como una orden tuya. Anthropic la define como la técnica con la que un atacante intenta sustituir o manipular las instrucciones de un asistente de IA metiendo texto malicioso, y avisa de que ningún sistema es inmune del todo17.
Las defensas que usan los tres fabricantes se parecen: permisos (el agente arranca con lo justo y pide permiso para lo demás) y confirmación antes de lo irreversible, como pagar, enviar un correo o borrar algo. Claude Code, en su modo manual, empieza con permisos de solo lectura y pregunta antes de editar ficheros o ejecutar comandos17; ChatGPT agent y Gemini Spark piden confirmación antes de las acciones importantes68. La regla práctica para ti es la misma: dale acceso solo a lo que necesita para la tarea y lee lo que te pide confirmar antes de darle al sí.
Preguntas rápidas
¿Cuáles son los agentes de IA más conocidos? Claude Code, ChatGPT agent y Gemini Spark, cada uno con un enfoque distinto: código, tareas web generales y trabajo con tus apps de Google. No hay cifras públicas comparables de cuánta gente usa cada agente, así que desconfía de cualquier ranking de «el más usado». Qué modelo de IA va por delante en general lo repaso en qué IA es la más usada del mundo.
¿Cuánto cuesta un agente de IA? Los tres de este artículo vienen dentro de una suscripción de pago, no en la versión gratis: ChatGPT agent en los planes de pago de ChatGPT6, Claude Code en los planes Pro y Max de Claude18 y Gemini Spark en Google AI Pro y Ultra8. Los precios cambian a menudo, así que mira la página de cada uno antes de contratar. Para empresas, además, hay contratos a medida.
¿Va a sustituir esto a los empleados? Con los datos de hoy, no de forma generalizada: la mayoría de empresas todavía prueba, no depende de agentes para funciones enteras. Lo desarrollo con más detalle, y sin catastrofismo, en ¿va la IA a quitarme el trabajo?.
¿Necesito saber programar para usar uno? No para los agentes de consumo (ChatGPT agent, Gemini Spark): se manejan con instrucciones en lenguaje normal. Claude Code sí está pensado para quien ya escribe código, aunque cada vez hay más agentes con esa misma lógica dirigidos a tareas de oficina sin programar nada.
Enlaces de interés
IBM — ¿Qué son los agentes de IA? La definición y los cuatro componentes (cerebro, planificación, memoria, herramientas) tal cual los explica IBM. Anthropic — Claude Code El agente que investiga y escribe este propio blog, documentado de primera mano por Anthropic. La carrera de los benchmarks: cómo medimos qué IA es más potente Por qué comparar agentes es más difícil que comparar chatbots. Del algoritmo al AGI: la historia evolutiva real de la IA El recorrido completo, si quieres el contexto histórico antes de los agentes. Ver más en el directorio de enlaces →Fuentes
- Google Cloud, glosario de IA generativa — definición de "agente de IA". docs.cloud.google.com
- IBM Think, "What are AI agents?" — definición y los cuatro componentes (cerebro, planificación, memoria, herramientas). ibm.com
- Stanford HAI, AI Index Report 2026 — mejora de los agentes de IA del 12% al ~66% de éxito en el benchmark OSWorld. hai.stanford.edu
- Anthropic, página de producto de Claude Code. claude.com
- GitHub, repositorio anthropics/claude-code — más de 140.000 estrellas (dato consultado vía API de GitHub el 8 de septiembre de 2026; el 8 de octubre de 2026 rondaba las 150.000). github.com
- OpenAI, "Introducing ChatGPT agent: bridging research and action" (17 de julio de 2025) — llegó a los planes de pago Pro, Plus y Team, y pide permiso antes de las acciones con consecuencias, como una compra. openai.com
- TechCrunch, "Google unveils Project Mariner, AI agents to use the web for you" (11 de diciembre de 2024) — presentación de Project Mariner. El 83,5% en WebVoyager lo da Google en el anuncio de Gemini 2.0 del mismo día. techcrunch.com / blog.google
- Google, «See new Gemini app updates with the Gemini 3 AI model» (noviembre de 2025, Gemini Agent para AI Ultra en EE. UU.), «The Gemini app becomes more agentic» (19 de mayo de 2026, Gemini Spark) y «Gemini 3.7 Flash» (13 de agosto de 2026, Spark en AI Pro y Ultra en más de 160 países). blog.google / Spark / agosto
- IBM Think, "What is agentic AI?" — definición de IA agéntica como sistema, compuesto por agentes de IA como componentes. ibm.com
- Gartner, comunicado de prensa (25 de junio de 2025) — "agent washing", ~130 proveedores de agentes genuinos y predicción de que más del 40% de los proyectos de IA agéntica se cancelarán antes de que acabe 2027. gartner.com
- Xataka, "De repente, todo se ha llenado de agentes IA" (13 de octubre de 2025) — el problema de etiquetar como "agente" cualquier automatización previa. xataka.com
- TechCrunch, "Meta just bought Manus" (29 de diciembre de 2025) y CNBC, cobertura de la reversión del acuerdo por los reguladores chinos (11 de agosto de 2026). techcrunch.com / cnbc.com
- METR, "Time Horizon 1.1" (publicado el 29 de enero de 2026; datos actualizados el 8 de mayo de 2026) — duración de tarea autónoma con 50% de fiabilidad por modelo y tiempo de duplicación desde 2023 (unos 129 días, intervalo 104-158). metr.org / datos
- Anthropic, "Measuring AI agent autonomy in practice" (18 de febrero de 2026) — datos de uso real de Claude Code sobre supervisión humana. anthropic.com
- McKinsey, "The state of AI in 2025: Agents, innovation, and transformation" (5 de noviembre de 2025) — encuesta a 1.993 personas en 105 países: 23% escalando algún sistema de agentes, 39% experimentando. mckinsey.com
- Gartner, comunicado de prensa (26 de agosto de 2025) — predicción de que el 40% de las apps empresariales incluirán agentes específicos de tarea en 2026, frente a menos del 5% en 2025. gartner.com
- Anthropic, documentación de Claude Code, «Security» — definición de inyección de instrucciones, permisos de solo lectura en modo manual y aviso de que ningún sistema es inmune. code.claude.com
- Anthropic, centro de ayuda, «Using Claude Code with your Pro or Max plan» — los planes Pro y Max incluyen Claude Code. support.claude.com