Agentes de IA en 2025: expectativas frente a realidad

Apenas habíamos salido de la avalancha de exageraciones sobre NFT y criptomonedas que caracterizó los primeros años de la década de 2020, y de la burbuja del metaverso que le siguió, cuando los medios de comunicación empezaron a alabar las bondades de la IA generativa a raíz de lanzamientos como la familia de modelos GPT de OpenAI, Claude de Anthropic y Copilot de Microsoft.

Aunque los modelos de lenguaje de gran tamaño (LLM) siguen siendo un tema importante, la atención se ha desplazado hacia los avances de los agentes autónomos de inteligencia artificial (IA), que están allanando el camino para el futuro del trabajo. 

A pesar de un aumento momentáneo del interés por la IA generativa en torno al R1 de Deepseek , que prometía mejoras significativas de rendimiento con respecto a ChatGPT, la narrativa de innovación dominante en 2025 es el agente de IA.

Los medios de comunicación destacan las promesas de innovación, automatización y eficiencia que traerán consigo los agentes, pero ¿hasta qué punto se trata de exageraciones con las que se busca llamar la atención?

El mundo de los medios publicitarios se nutre de clics, y es razonable esperar titulares sensacionalistas y que llamen la atención, elaborados para conseguir los suyos. Pero, ¿qué podemos esperar de manera realista de la IA agentiva en 2025 y cómo afectará a nuestras vidas?  

Hemos hablado con varios expertos de IBM para aclarar conceptos y mantener una conversación más razonable sobre los agentes de IA y su impacto. Nuestro equipo de (usuarios) internos incluye:  

• Maryam Ashoori, PhD: Directora de gestión de productos, IBM watsonx.ai  

• Marina Danilevsky: Científica investigadora sénior, tecnologías del lenguaje  

• Vyoma Gajjar: Arquitecta de soluciones técnicas de IA  

• Chris Hay: Ingeniero distinguido  

Un agente de IA es un programa de software capaz de actuar de forma autónoma para entender, planificar y ejecutar las tareas. Los agentes de IA funcionan con LLM y pueden interactuar con herramientas, otros modelos y otros aspectos de un sistema o red según sea necesario para cumplir los objetivos del usuario.  

No se trata de pedirle a un chatbot que sugiera una receta para cenar basándose en los ingredientes disponibles en la nevera. Los agentes son algo más que correos electrónicos automatizados de experiencia del cliente que le informan de que pasarán unos días hasta que un agente humano pueda atender su consulta. 

A diferencia de los asistentes de IA tradicionales, que necesitan una instrucción cada vez que generan una respuesta, los agentes de IA pueden trabajar de forma autónoma. En teoría, un usuario le da a un agente una tarea de alto nivel y este averigua cómo completarla.  

Las ofertas actuales aún se encuentran en las primeras fases de aproximación a esta idea. "Lo que en el mercado se conoce como 'agentes' son capacidades rudimentarias de planificación y llamada a herramientas (a veces llamadas 'llamadas a funciones') añadidas a los LLM", afirma Ashoori. "Estas capacidades permiten dividir las tareas complejas en pasos más pequeños que el LLM es capaz de ejecutar".

Hay se muestra optimista y cree que hay agentes más sólidos en camino: "No necesitaría más avances en los modelos actuales para crear los agentes de IA del futuro", afirma.  

Una vez aclarado esto, ¿de qué hablaremos sobre los agentes durante el próximo año y hasta qué punto podemos tomarnos la conversación en serio? 

"Más y mejores agentes" están en camino, predice Time.¹ "Es probable que los 'agentes' autónomos y la rentabilidad dominen la agenda de la inteligencia artificial", informa Reuters.² "Ha llegado la era de la IA agentiva", promete Forbes, en respuesta a una afirmación de Jensen Huang de Nvidia.³ 

Los medios tecnológicos están inundados de afirmaciones que aseguran que nuestras vidas están al borde de una transformación total. Los agentes autónomos están a punto de transformar nuestros trabajos, impulsar la optimización y acompañarnos en nuestra vida cotidiana, ocupándose de nuestras tareas mundanas en tiempo real y liberándonos para dedicarnos a actividades creativas y otras tareas de más alto nivel.

"IBM y Morning Consult realizaron una encuesta a 1000 desarrolladores que crean aplicaciones de IA para empresas, y el 99 % de ellos dijo que está explorando o desarrollando agentes de IA", explica Ashoori. "Así que sí, la respuesta es que 2025 será el año de los agentes". Sin embargo, esta afirmación no es del todo exacta.  

Tras describir la concepción actual del mercado de los agentes como modelos de lenguaje de gran tamaño (LLM) con llamada a funciones, Ashoori establece una distinción entre esta idea y los verdaderos agentes autónomos. "La verdadera definición de agente de IA es la de una entidad inteligente, dotada de capacidades de razonamiento y planificación, que es capaz de actuar de forma autónoma. Estas capacidades siguen siendo objeto de debate. Depende de cómo se definan".  

"Veo claramente que los agentes de IA están avanzando en esta dirección, pero aún no hemos llegado", afirma Gajjar. "Ahora mismo estamos viendo los primeros indicios: los agentes de IA ya son capaces de analizar datos, predecir tendencias y automatizar flujos de trabajo, aunque solo hasta cierto punto. Pero para crear agentes de IA que puedan tomar decisiones complejas de forma autónoma, no bastará con mejorar los algoritmos. Necesitaremos grandes avances en el razonamiento contextual y la gestión de casos extremos", añade.  

Danilevsky no está convencida de que esto sea algo nuevo. "Todavía me cuesta creer de verdad que esto es tan diferente de la simple orquestación", dice. "Has cambiado el nombre de la orquestación, pero ahora se llama agentes, porque esa es la palabra genial. Pero la orquestación es algo que hemos estado haciendo en programación desde siempre".   

Danilevsky se muestra escéptica respecto a que 2025 sea el año de los agentes. "Depende de lo que se entienda por agente, de lo que se piense que conseguirá un agente y del valor que se crea que aportará", afirma. "Es una afirmación bastante atrevida, teniendo en cuenta que aún no comprendemos realmente cuál es el retorno de la inversión (ROI) de la tecnología LLM en general". 

Y no es solo el aspecto comercial lo que le hace apostar sobre seguro. "Imaginar que esa cosa pudiera pensar por ti, tomar decisiones y emprender en tu ordenador es una locura. Siendo realistas, es algo aterrador".

Danilevsky achaca la desconexión a la falta de comunicación. "Los agentes tienden a ser muy ineficaces porque los humanos somos muy malos comunicadores. Todavía no hemos conseguido que los agentes de chat interpreten correctamente lo que queremos todo el tiempo".  

Aun así, el próximo año promete mucho como era de experimentación. "Creo firmemente que el 2025 va a ser el año del agente", dice Hay con entusiasmo.  

Todas las grandes empresas tecnológicas y cientos de startups están experimentando con agentes. Salesforce, por ejemplo, ha lanzado su plataforma Agentforce, que permite a los usuarios crear agentes que se integran fácilmente en el ecosistema de aplicaciones de Salesforce.  

"Los agentes se están estableciendo y crecerán cada vez más. Todavía es un ecosistema en pañales, así que creo que mucha gente empezará a crear agentes y lo pasará muy bien haciéndolo". 

Esta narración parte del supuesto de que los agentes actuales se ajustan a la definición teórica esbozada en la introducción del artículo. En el año 2025, los agentes serán programas de IA totalmente autónomos que podrán analizar un proyecto y llevarlo a cabo con todas las herramientas necesarias y sin ayuda de colaboradores humanos. Sin embargo, este relato carece de matices.

Hay cree que ya se han sentado las bases para tales desarrollos. "Lo importante de los agentes es que tienen la capacidad de planificar", destaca. "Tienen la capacidad de razonar, utilizar herramientas y realizar tareas, y necesitan hacerlo a velocidad y escala".

Cita cuatro avances que, en comparación con los mejores modelos de hace 12 o 18 meses, significan que los modelos de principios de 2025 pueden impulsar a los agentes previstos por los defensores de esta narrativa:  

• Modelos mejores, más rápidos y más pequeños  

• Entrenamiento en cadena de pensamiento (COT)

• Aumento de las ventanas de contexto  

• Llamadas a funciones  

"Ahora ya hay muchos aspectos en juego", prosigue Hay. "La IA puede recurrir a herramientas externas, planificar, razonar y dar buenas respuestas. Puede utilizar capacidades computacionales durante la inferencia. Tendremos un razonamiento más articulado y una mayor capacidad de memorización. Será rápida. Además, será económica. Estos avances crearán una estructura en la que será posible tener agentes. Los modelos están mejorando y seguirán haciéndolo, por lo que este proceso será cada vez más rápido".

Ashoori distingue cuidadosamente entre lo que los agentes podrán hacer en el futuro y lo que pueden hacer ahora. "Por un lado, está la promesa y, por otro, la capacidad de hacer cosas hoy en día", afirma. "Yo diría que la respuesta depende del caso de uso. Para casos sencillos, los agentes pueden elegir la herramienta adecuada, pero para los más sofisticados, la tecnología aún tiene que madurar". 

Danilevsky replantea la narrativa como algo contextual. "Si algo es cierto una vez, no significa que lo sea siempre. Los agentes pueden hacer varias cosas, sí, pero ¿significa eso que puedes agenciarles cualquier flujo que se te pase por la cabeza? No, no lo es".  

Para Gajjar, se trata de una cuestión de riesgo y gobierno. "Estamos siendo testigos de cómo los agentes de IA evolucionan de ser generadores de contenidos a solucionadores autónomos de problemas. Estos sistemas deben someterse a rigurosas pruebas de estrés en entornos aislados para evitar fallos en cadena. Diseñar mecanismos de reversión y garantizar la existencia de registros de auditoría es fundamental para poder aplicar estos agentes en sectores de alto riesgo".  

No obstante, es optimista y cree que superaremos estos retos. "Creo que este año veremos avances en la creación de mecanismos de reversión y de pistas de auditoría. No se trata solo de construir una IA más inteligente, sino también de diseñar redes de seguridad que nos permitan rastrear y solucionar rápidamente los problemas cuando se salen de control". 

Y aunque Hay confía en el potencial del desarrollo de agentes en 2025, ve un problema en otro ámbito: "La mayoría de las organizaciones no están preparadas para los agentes. Lo interesante será hacer accesibles las API que tienen hoy en sus empresas. Ahí es donde tendrá lugar el trabajo más difícil. Y no se trata de lo buenos que sean los modelos, sino de lo preparadas que estén las empresas". 

La "nueva normalidad" prevista por esta narrativa es la siguiente: equipos de agentes de IA acorralados bajo modelos orquestadores que gestionan el flujo de trabajo general del proyecto.

Las empresas utilizarán la orquestación de IA para coordinar múltiples agentes y otros modelos de machine learning (ML) que trabajan en tándem y utilizan experiencia específica para completar tareas.

Gajjar considera esta predicción no solo creíble, sino también probable. "Estamos al principio de este cambio, pero avanzamos rápidamente. Los orquestadores de IA podrían convertirse fácilmente en la columna vertebral de los sistemas empresariales de IA este mismo año, al conectar múltiples agentes, optimizar los flujos de trabajo de IA y gestionar datos multilingües y multimedia", afirma. Sin embargo, advierte del peligro de precipitarse sin las garantías adecuadas.  

"Al mismo tiempo, para ampliar estos sistemas se necesitarán marcos de cumplimiento sólidos que garanticen su buen funcionamiento sin sacrificar la responsabilidad", advierte Gajjar. "2025 podría ser el año en que pasemos de los experimentos a la adopción a gran escala, y tengo muchas ganas de ver cómo las empresas equilibran la velocidad con la responsabilidad".

Es imperativo que las organizaciones se dediquen con el mismo fervor al gobierno y al cumplimiento de los datos y la IA que a la adopción de las últimas innovaciones. 

"Vas a tener un orquestador de IA que trabajará con múltiples agentes", esboza Hay. "Un modelo más grande sería un orquestador y los modelos más pequeños realizarían tareas específicas".

Sin embargo, a medida que los agentes evolucionan y mejoran, Hay predice un cambio de los flujos de trabajo orquestados a los sistemas de agente único. "A medida que esos agentes individuales sean más capaces, se pasará a decir: 'Tengo este agente que puede hacerlo todo de principio a fin'".  

 Hay predice una evolución en vaivén a medida que se desarrollen los modelos. Llegaremos a un límite en lo que pueden hacer los agentes individuales y entonces volveremos a la colaboración multiagente. Habrá un vaivén entre marcos multiagente y un único agente "divino". Y aunque los modelos de IA determinarán los flujos de trabajo de los proyectos, Hay cree que los seres humanos siempre participarán en el proceso.

Para Ashoori, la necesidad de un metaorquestador no es tan obvia y depende de los casos de uso previstos. "Es una decisión de arquitectura", explica. "Cada agente, por definición, debe tener la capacidad de entender si necesita coordinarse con otro, utilizar un conjunto de herramientas o obtener datos complementarios. No es necesario un agente intermedio que se sitúe por encima de los demás y les diga lo que tienen que hacer".  

Sin embargo, en algunos casos podría serlo. "Quizá tengas que ingeniártelas para utilizar una combinación de agentes especializados para tu propósito", especula Ashoori. "En ese caso, podrías decidir crear tu propio agente para que actúe como orquestador".  

Danilevsky aconseja a las empresas que empiecen por identificar qué flujos de trabajo pueden y deben transformarse en procesos basados en agentes, y qué nivel de ROI conllevan, para luego desarrollar una estrategia de IA a partir de ahí. "¿Habrá flujos de trabajo de orquestación con algunos agentes? Por supuesto. Pero, ¿significa eso que todo en su organización debe orquestarse mediante flujos de agentes? No, eso no funcionaría". 

Una visión predominante de la adopción de la tecnología de agentes durante el próximo año es que los agentes amplificarán, pero no sustituirán necesariamente a los trabajadores humanos. Según sus defensores, contribuirán a agilizar el flujo de trabajo dirigido por personas.

Sin embargo, el temor a la pérdida de puestos de trabajo relacionados con la IA es un tema recurrente en la conversación en torno a la adopción de la IA por parte de las empresas. A medida que los agentes sean más capaces, ¿fomentarán los líderes empresariales la colaboración entre agentes y humanos o tratarán de sustituir a los trabajadores por herramientas de IA?

Ashoori cree que el mejor camino a seguir es confiar en los empleados para que determinen cómo utilizar la IA en sus respectivos puestos de trabajo. "Deberíamos dar a los empleados la posibilidad de decidir cómo quieren aprovechar a los agentes, pero sin sustituirlos necesariamente en todas las situaciones", explica. Algunas funciones son idóneas para transferirlas a un agente, mientras que otras no pueden sustituirse por la intervención humana. "Un agente puede transcribir y resumir una reunión, pero no vas a enviar a tu agente a mantener esta conversación conmigo". 

Danilevsky comparte la opinión de Ashoori y señala que la adopción de agentes en el lugar de trabajo no estará exenta de dificultades iniciales. "Seguirá habiendo casos en los que, cuando algo se vuelva más complejo, se necesitará un ser humano". Aunque los directivos de las empresas podrían verse tentados a reducir costes a corto plazo eliminando puestos de trabajo, el uso de agentes "se centrará mucho más en una función de apoyo reforzada. Siempre debe haber un ser humano, al que ayuda el agente, pero es el ser humano quien toma las decisiones finales", describe Danilevsky su visión de la IA basada en el concepto human-in-the-loop (HITL).  

Hay ve un camino hacia la adopción sostenible de la IA en el trabajo. "Si lo hacemos bien, la IA está ahí para aumentar la capacidad humana de hacer las cosas mejor. Si se implementa correctamente, nos permite hacer cosas más interesantes". Sin embargo, también se imagina otro futuro en el que se dé demasiada prioridad a la IA. "Existe un riesgo real de que, si se hace mal y de forma equivocada, acabemos aumentando la IA en lugar de al revés". 

Gajjar también advierte de que no hay que confiar demasiado en la IA. "No creo que los agentes de IA vayan a sustituir puestos de trabajo de la noche a la mañana, pero sin duda modificarán nuestra forma de trabajar. Las tareas repetitivas y de poco valor ya se están automatizando, lo que permite a las personas realizar un trabajo más estratégico y creativo. Dicho esto, las empresas deben tener cuidado con la forma en que introducen la IA. Los marcos de gobierno, como los centrados en la equidad, la transparencia y la responsabilidad, serán fundamentales".

Para Hay, una de las ventajas de los modelos de IA de código abierto es la forma en que abren la puerta a un futuro mercado de agentes de IA y, por ende, a la monetización para los creadores. "Creo que los agentes de código abierto son la clave", afirma Hay. "Con el código abierto, cualquiera puede crear un agente capaz de realizar tareas útiles. Y también crear fácilmente su propia empresa".  

También es importante sopesar los posibles problemas de crecimiento y la reestructuración organizacional frente a los beneficios impulsados por la IA, especialmente en el Sur Global, cree Hay.

Los LLM proporcionan outputs basados en texto que pueden llegar a los usuarios a través de SMS en áreas sin conexiones a Internet fiables. "La habilitación que puede producirse en estos países [sin un acceso sólido a Internet] dado que la IA puede funcionar en un escenario de bajo ancho de banda y cada vez es más barata, es muy emocionante", afirma Hay.

A lo largo de estas conversaciones, dos temas recurrentes surgieron con nuestros cuatro expertos. Aparte de las cuatro narrativas que analizamos, para que la actual explosión de IA dé lugar a una ruta sostenible, las empresas y los líderes empresariales deberán adoptar dos ideas:  

1. El gobierno de la IA sustenta el cumplimiento exitoso y el uso responsable. 
2. Una estrategia sólida de IA centrada en el valor económico llevará a las empresas a adoptar la IA de manera sostenible. 

"Las empresas necesitan marcos de gobierno para monitorizar el rendimiento y garantizar la responsabilidad a medida que estos agentes se integran más profundamente en las operaciones", insta Gajjar. "Aquí es donde realmente brilla el enfoque de IA responsable de IBM. Se trata de asegurarse de que la IA trabaje con las personas, no contra ellas, y de crear sistemas que sean fiables y auditables desde el primer día".  

Ashoori pinta un cuadro de un posible desajuste con la IA agentiva. "Utilizar un agente hoy en día significa básicamente tomar un LLM y permitirle realizar acciones por sí mismo. ¿Y si esa acción es conectarse a un conjunto de datos y eliminar un conjunto de datos sensibles?".  

"La tecnología no piensa. No puede ser responsable", afirma Danilevsky. En cuanto a riesgos como la filtración o eliminación accidental de datos, afirma que "la escala del riesgo es mayor". "Un ser humano no puede hacer mucho en mucho tiempo, mientras que la tecnología puede hacer cosas en mucho menos tiempo y de una forma de la que quizá no nos demos cuenta".  

Y cuando eso ocurra, no se podrá señalar simplemente a la IA y exonerar totalmente a los responsables. "Será un empleado de esa organización el responsable de tales acciones", advierte Hay.  

"El reto es la transparencia", afirma Ashoori. "Y la trazabilidad de las acciones de cada agente. Hay que saber exactamente lo que está pasando y poder seguirlo, rastrearlo y controlarlo".  

Para Danilevsky, la experimentación libre es la clave para alcanzar el desarrollo sostenible. "[Es muy valioso] permitir que la gente juegue con la tecnología, que la construya y que intente romperla". También insta a los desarrolladores a ser cautelosos a la hora de determinar qué modelos utilizar y qué datos introducir en ellos: "Algunos proveedores se quedarán con todos tus datos. Así que hay que tener un poco de cuidado".

"El auge actual de la IA está definitivamente alimentado por el FOMO y remitirá a medida que la tecnología se normalice", predice Danilevsky. "Creo que la gente empezará a entender mejor qué funciona y qué no". "También hay que centrarse en integrar los agentes de IA en ecosistemas en los que puedan aprender y adaptarse continuamente, lo que generará eficiencia a largo plazo", añade Gajjar.  

Danilevsky se apresura a fundamentar las expectativas y a recentrar la conversación en las necesidades empresariales demostrables. "Las empresas deben tener cuidado de no acabar buscándole los tres pies al gato", empieza diciendo. "Nos pasó cuando aparecieron los LLM. La gente decía: 'Primer paso: utilizar los LLM. Segundo paso: averiguar para qué'".  

Hay anima a las empresas a prepararse de antemano para los agentes. "El valor real estará en las organizaciones que puedan tomar sus propios datos y organizarlos de tal manera que los agentes puedan buscarlos dentro de sus documentos". Todas las empresas poseen una gran cantidad de datos valiosos, y transformar esos datos para que puedan alimentar flujos de trabajo basados en agentes impulsa un ROI positivo.  

"Gracias a los agentes, las empresas pueden aprovechar sus propios datos y flujos de trabajo para diferenciarse y escalar", afirma Ashoori. "El año pasado fue el año de la experimentación y la exploración para las empresas. Ahora deben escalar ese impacto y maximizar el ROI de la IA generativa. Los agentes son la solución".  

Para obtener más información sobre la implantación satisfactoria de la IA en la empresa, lea la guía de Maryam Ashoori sobre el análisis de costes de la IA agentiva. Asegúrese también de ver a Vyoma Gajjar y Chris Hay exponiendo sus predicciones para la IA en 2025 en el pódcast Mixture of Experts de IBM.