El lanzamiento de dos nuevos modelos avanzados de IA por parte de OpenAI y Anthropic hace pocos días se considera ya un punto de inflexión que abre una nueva frontera laboral: los agentes de IA empiezan a cumplir la promesa de "hacer cosas", y este salto obliga a rediseñar profesiones, carreras y equipos. Este nacimiento práctico del 'empleado digital' prometido implica un nuevo hito de partida.
Un país con 50 millones de ciudadanos, todos más inteligentes que cualquier premio Nobel, pensando de diez a cien veces más rápido, sin dormir, capaces de usar internet, de controlar robots, de dirigir experimentos y de operar cualquier interfaz digital". Así imagina Dario Amodei, cofundador y CEO de Anthropic, una escena de 2027 en un ensayo -La adolescencia de la tecnología- publicado el pasado mes de enero, en el que habla de una etapa turbulenta en la que la humanidad recibe un poder enorme sin estar claro si tiene la madurez social y política para manejarlo. Amodei añade que el progreso es rápido y se acelera porque la IA ya ayuda a construir la siguiente IA; por eso urge una estrategia de defensa basada en transparencia, evaluaciones, interpretabilidad, salvaguardas y reglas públicas.
Un mes después de ese ensayo, el 5 de febrero de 2026, dos grandes laboratorios de la inteligencia artificial lanzaron sendos modelos avanzados. El propio Anthropic sacó a la luz Opus 4.6 y OpenAI hizo lo mismo con GPT-5.3 Codex. Los expertos creen que se trata de un punto de inflexión -no de la misma forma para todos, ni al mismo ritmo- que implica que los agentes de inteligencia artificial empiezan a cumplir de forma creíble la promesa de hacer cosas (no sólo contestar), en entornos reales de trabajo.
En 2022, la IA fallaba en aritmética básica -podía decir que 7×8 era igual a 54-. En 2023, podía aprobar el examen de abogacía. En 2024, era capaz de escribir software funcional y explicar ciencia de nivel de posgrado. Para finales de 2025, algunos ingenieros avanzados ya estaban delegando a la inteligencia artificial la mayor parte de su trabajo. Y tras el 5 de febrero de 2026, habrían llegado modelos que hacen que todo lo anterior parezca de otra época.
Los lanzamientos de OpenAI y Anthropic muestran que la IA ya no sólo ayuda a programar, sino que hace el trabajo completo por nosotros. En lugar de escribir código, revisar errores y construir paso a paso, podemos describir en lenguaje normal qué queremos exactamente. La inteligencia artificial genera el producto, lo prueba, corrige fallos y entrega una versión lista. Su papel pasa de ejecutar a pedir y revisar.
Reorganizar el trabajo
Este salto de copilotos a verdaderos agentes capaces de sostener tareas largas implica no sólo hacer lo mismo más rápido: ahora hablamos de reorganizar el trabajo. El verdadero salto, según los expertos, no es que estos nuevos modelos escriban mejor, sino que pueden encadenar subtareas, probar, corregir, documentar, actualizar tickets, tomar decisiones intermedias y sostener el foco. Pueden absorber porciones más grandes del flujo de trabajo sin supervisión constante.
Según la plataforma Model Evaluation & Threat Research (METR) -dedicada a evaluar hasta qué punto un sistema de IA puede realizar tareas sustanciales de forma autónoma- la inteligencia artificial puede trabajar sola durante más tiempo sin supervisión. Ese crecimiento es muy rápido, así que pronto podrá encargarse de principio a fin de tareas completas.
Una de las mejores formas de entender el impacto es medir cuánto dura una tarea real que el sistema puede completar end-to-end sin ayuda humana (es la capacidad de ejecutar trabajo complejo de principio a fin). METR propone precisamente eso y muestra que "este horizonte de tiempo ha crecido de forma casi exponencial con un tiempo de duplicación cercano a siete meses".
Así, cuando el horizonte pasa de minutos a horas (y empieza a rozar días), la coordinación deja de ser el cuello de botella. Si un agente puede encadenar subtareas (buscar información, proponer cambios, ejecutar tests, actualizar documentación, generar un informe) el "coste de gestión" baja y el throughput sube.
Además, el puesto se descompone, porque muchos roles de oficina son un "pack" de tareas: analizar, redactar, ejecutar y reportar. Con agentes, el pack se rompe y se automatizan fragmentos más grandes.
Y se rediseña el equipo: aumenta el peso de quien define los objetivos, la calidad, los riesgos y las prioridades. Se reduce el valor relativo de tareas repetibles "de pantalla".
El World Economic Forum advierte de que esto ya "está alterando tiers de empleo -niveles dentro de una organización o profesión: júnior, intermedio y sénior, con funciones, responsabilidad y salario distintos- y que presiona a los roles intermedios obligando a rediseñar la estructura del trabajo". Además, en productividad y gestión del tiempo, el foco pasa de "hacer" a orquestar; a definir objetivos, a revisar la calidad, y a controlar los riesgos para decidir qué hay que automatizar.
El punto de inflexión de los modelos de agentes empuja justo en la dirección más delicada, que son los puestos de entrada (analistas júnior, paralegales, asistentes de reporting, investigación preliminar, first-line support), porque ahí hay mucha tarea codificable, repetible y de pantalla.
De hecho, Dario Amodei -que asegura que modelos sustancialmente más inteligentes que casi todos los humanos en casi todas las tareas estarían en camino para 2026 ó 2027- cree que la IA podría eliminar o desplazar hasta el 50% de trabajos de cuello blanco de nivel inicial en un horizonte de uno a cinco años.
Y Mustafa Suleyman, CEO de Microsoft AI, ha advertido que en 12 ó 18 meses podríamos ver una automatización de la mayoría -incluso de todas- las tareas de trabajo de oficina.
En el sector legal la IA es capaz de leer contratos, resumir jurisprudencia, redactar escritos y hacer investigación a nivel comparable a asociados junior; en finanzas, puede construir modelos, analizar datos, redactar memorandos y reportes; en escritura y contenido sabe producir textos que muchos profesionales ya no distinguen del trabajo humano; en ingeniería de software, pasa de "apenas unas líneas sin errores" a "cientos de miles" de líneas correctas, automatizando no sólo tareas sencillas sino proyectos complejos de varios días. Incluso en medicina, es capaz de leer imágenes, dominar análisis de laboratorio, sugerencias diagnósticas o revisión de literatura. Y en atención al cliente, "agentes capaces" reemplazarían a los chatbots más torpes de hace años.
Cuando la IA puede encargarse de un flujo completo de trabajo en pantalla (planear, ejecutar, probar, documentar y reportar), la empresa no sólo automatiza las tareas sino que rediseña puestos, reduce la necesidad de capas júnior y eleva el valor de la supervisión, del criterio y de la gobernanza. Todo esto es lo que permite ver cómo la inteligencia artificial pasa de herramienta útil a herramienta que "hace mi trabajo mejor que yo".
Además, implica un boom de productividad, con equipos más pequeños entregando mucho más; y supone un shock de ajuste, especialmente en roles de entrada y en ocupaciones administrativas intensivas en texto y datos.
Lo que pronto se cumplirá
Durante años, los agentes de inteligencia artificial prometieron ir más allá del copiloto: completar tareas enteras, coordinar trabajo, usar herramientas como un humano y operar en equipos. A partir de este mes de febrero varias de esas promesas parecen por fin realizables, y se abre otra nueva: que la propia inteligencia artificial acelere la creación de nueva IA.
La primera promesa incumplida de los agentes es que son capaces de completar flujos end-to-end. Hasta ahora, la IA era como un libro inteligente: usted le preguntaba y ella le daba la información. Pero era necesario ir a la web de una aerolínea, por ejemplo, y elegir el vuelo, poner su tarjeta, luego ir a la web del hotel, reservar, etcétera. Usted hacía todo el trabajo físico y los clics. La promesa de una tarea que se ejecuta de principio a fin, sin que una persona tenga que ir haciendo pasos intermedios no se cumplía. Pero la IA deja de ser un asistente que sugiere y pasa a ser un ejecutor que entrega el trabajo terminado. Antes de febrero de 2026 esto existía sobre todo en demos o casos muy acotados; en la empresa real lo normal era el copilotaje, porque fallaban la integración y la fiabilidad. Desde ahora la promesa será más creíble, pero sólo se cumple bien si hay conectores, permisos, datos limpios, controles y gobernanza y un responsable humano que firme.
La segunda promesa que no se ha cumplido hasta ahora es que un agente de IA puede funcionar como un empleado digital que trabaja sin parar: no se cansa, no duerme y puede atender tareas repetitivas o de conocimiento a cualquier hora. En vez de ayudarle sólo cuando le pregunta, puede mantener procesos en marcha (buscar información, preparar borradores, actualizar sistemas, hacer seguimiento, generar reportes) y dejarle hecho el trabajo para revisar o aprobar.
Otra promesa no cumplida se refería a "democratizar la pericia". Esto implica que la IA no sólo automatiza tareas, sino que además eleva el nivel medio de las personas. Un agente funciona como una mezcla de tutor, analista y redactor siempre disponible. Para un profesional de nivel medio, eso se traduce en trabajar "como si" tuviera detrás a un sénior que revisa, sugiere, estructura y corrige en tiempo real.
En la práctica, el agente ayuda a tres cosas: primero, al aprendizaje acelerado (explica conceptos, pone ejemplos, propone ejercicios, y adapta el nivel según tus dudas). Es como un profesor particular las 24 horas, los siete días de la semana, lo que reduce el tiempo que se tarda en dominar herramientas, marcos o normativa.
Segundo, un mejor análisis (ordena información dispersa, detecta patrones, señala riesgos, y convierte datos en conclusiones accionabais), en tercer lugar, una mejor comunicación profesional: convierte ideas en entregabais claros con estructura y tono adecuados.
El efecto combinado es que muchas tareas típicas de un sénior (síntesis, framing, storytelling, anticipar preguntas, revisar calidad) pasan a estar embebidas en el flujo de trabajo del nivel medio. Eso puede aumentar la productividad y la calidad, reduce errores y da confianza para asumir proyectos más complejos. Pero también cambia el mercado laboral: si los mid level rinden más, las empresas pueden necesitar menos capas júnior, y exigir más criterio, supervisión y responsabilidad humana en lo que se firma y se decide,
Tras el punto de inflexión del 5 de febrero esta promesa podría cumplirse: si un júnior aumentado rinde mucho más, las empresas podrían contratar menos júnior o rediseñar sus programas de entrada. La Organización Internacional del Trabajo (OIT) señala que, al principio, la inteligencia artificial normalmente no sustituye por completo a las personas: más bien les ayuda a hacer su trabajo más rápido y mejor. Pero ese efecto se nota sobre todo en tareas de oficina y administrativas, porque ahí el trabajo es muy de pantalla: leer, escribir, resumir, registrar datos y seguir procesos, justo lo que la IA domina.
La novedad post febrero de 2026 es que el "tutor" puede convertirse en "ejecutor", lo que cambia la formación y el pipeline de carrera.
La cuarta promesa incumplida es que los agentes preparan decisiones, sintetizan información, detectan riesgos y coordinan flujos (preparar un comité, crear planes, actualizar sistemas), reduciendo trabajo repetitivo y mejorando la consistencia. La cuarta promesa se va a cumplir porque gran parte del trabajo de oficina es rutina digital: localizar datos, resumir, preparar informes, enviar recordatorios y actualizar sistemas. Un agente puede hacerlo rápido porque todo ocurre en pantalla. Antes fallaba por falta de integración y controles; con conexiones a las herramientas y reglas de seguridad (permisos, registro y revisión humana), puede ejecutarlo bien y con menos riesgo.
La quinta promesa es que, en vez de un único asistente, las empresas puedan desplegar un equipo de agentes de IA trabajando en paralelo como lo haría un grupo humano: uno investiga, otro ejecuta en las herramientas, otro revisa la calidad y los riesgos, y otro redacta el entregable final. La idea no es sólo repartir tareas, sino coordinarse: compartir contexto, pasarse trabajo, detectar incoherencias y converger hacia una versión final.
Hasta ahora no se ha cumplido de forma general porque lo difícil no era tener varios bots, sino hacer que colaboren. Los sistemas multiagente tendían a fallar por la fiabilidad y la persistencia: si un agente se equivoca o pierde el hilo, el error se propaga al resto. Pero también erraban por coste y latencia (varios agentes significan más llamadas al modelo, más tiempo y más gasto); y por coordinación: sin memoria robusta, sin roles claros y sin control de versiones, los agentes duplican trabajo, se contradicen o entran en bucles.
Tras el punto de inflexión del 5 de febrero, la promesa podría cumplirse porque los modelos en la frontera empiezan a sostener tareas de agentes más largas y con mejor continuidad, lo que permite dividir proyectos en fases reales (investigar ejecutar validar redactar) sin que cada paso requiera intervención humana constante.
Profesiones ante una nueva realidad
- La promesa de menos trabajo de relleno -tareas que ocupan tiempo, pero aportan poco valor real-, mejores decisiones y mejor coordinación se hará realidad primero donde el trabajo es digital, repetible, medible y conectado a sistemas, y donde el valor viene de orquestar información y pasos, no de "tener una gran idea genial". Ahí es donde los agentes encajan mejor y donde los grandes proveedores ya los están incrustando en software empresarial. Entre los sectores y perfiles en los que se hará realidad antes está el de atención al cliente y operaciones de soporte; en operaciones de tecnologías de la información; en finanzas corporativas; ventas y RevOps ('Revenue operations'); recursos humanos; 'supply chain' y operaciones.
- La promesa del 'trabajador digital 24/7' se hará realidad primero en sectores en los que el trabajo es continuo, de alto volumen y muy "de sistema" (tickets, transacciones, registros, compliance). Gartner prevé una adopción rápida: una parte grande de las apps empresariales incorporará agentes 'task-specific' integrados. Lo veremos en atención al cliente y soporte; operaciones de TI, finanzas operativas, recursos humanos, ecommerce y operaciones de comercio unificado.
- La promesa de "la IA sube el nivel medio: tutor, analista, redactor" se hará realidad primero en trabajos en los que la pericia se transmite vía texto, ejemplos, plantillas, políticas, datos y buenas prácticas, y donde el 'output' se puede revisar rápido. Ahí la evidencia ya muestra un patrón clave: los mayores beneficios suelen concentrarse en trabajadores menos experimentados, que aprenden más deprisa y producen con más calidad. Entre los sectores en los que se materializará antes están atención al cliente, servicios profesionales, finanzas corporativas y reporting, ventas B2B y Revops, recursos humanos y operaciones de negocio.
- La cuarta promesa de agentes de IA que reduzcan el trabajo de oficina repetitivo se hará realidad primero en entornos en los que el trabajo es "de pantalla", está estandarizado, vive en sistemas de registro y tiene métricas claras. El gran acelerador es que los agentes se están integrando dentro del software empresarial: Gartner estima que el 40% de las apps empresariales incorporarán agentes 'task-specific' a finales de 2026. Los sectores a los que llegará antes son atención al cliente y operaciones de servicio; operaciones de TI; finanzas corporativas; ventas B2B, recursos humanos y 'supply chain'.