Los agentes de IA en 2025: expectativas frente a la realidad

Apenas estábamos saliendo de la avalancha que causó el bombo publicitario del NFT y las cripto que caracterizó los primeros años de la década de 2020, y de la burbuja del metaverso que le siguió, cuando los medios de comunicación ya estaban alabando a la IA generativa a raíz de lanzamientos como la familia de modelos GPT de OpenAI, Claude de Anthropic y Copilot de Microsoft.

Si bien esto todavía no se termina de asimilar, el enfoque en 2025 ha pasado de los modelos de lenguaje de gran tamaño (LLM) a los avances en los agentes de IA ostensiblemente autónomos que marcan el comienzo del futuro del trabajo.  

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

La cobertura de los medios destaca las promesas de innovación, automatización y eficiencia que traerán los agentes, pero ¿cuánto de esa conversación es pura publicidad que busca tener clics?

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 agéntica en 2025 y cómo afectará nuestras vidas?  

Hablamos con varios expertos de IBM para reducir el bombo publicitario, con el objetivo de mantener una conversación más razonable sobre los agentes de IA y lo que van a hacer. Nuestro equipo de usuarios internos incluye:  

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

• Marina Danilevsky: científica investigadora sénior, Language Technologies  

• 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 comprender, planificar y ejecutar 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 con los objetivos del usuario.  

Vamos más allá de pedirle a un chatbot que sugiera una receta para la cena basada en los ingredientes disponibles en el refrigerador. Los agentes son más que correos electrónicos automatizados de experiencia del cliente que le informan que habría que esperar unos días hasta que un humano del mundo real pueda responder a su consulta.  

Los agentes de IA se diferencian de los asistentes tradicionales de IA que necesitan una instrucción cada vez que generan una respuesta. En teoría, un usuario le da a un agente de IA una tarea general y el agente se da cuenta de cómo completarla.  

Las soluciones actuales aún se encuentran en las primeras etapas de abordar esta idea. “Lo que comúnmente se conoce como 'agentes' en el mercado es la adición de capacidades rudimentarias de planificación y llamada de herramientas (a veces llamadas de función) a las LLM”, dice Ashoori. “Estos permiten que el LLM desglose las tareas complejas en pasos más pequeños que el LLM puede realizar”.

Hay se muestra optimista de que hay agentes más robustos en camino: “No se necesitaría ninguna progresión adicional en los modelos actuales para construir futuros agentes de IA", comenta.  

Dicho esto, ¿cuál es la conversación sobre los agentes durante el próximo año y cuánto de ella podemos tomar 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 "La era de la IA agéntica ha llegado", promete Forbes, en respuesta a una afirmación de Jensen Huang de Nvidia.³ 

Los medios tecnológicos están inundados de afirmaciones acerca de que nuestras vidas están al borde de una transformación total. Los agentes autónomos están preparados para optimizar y modificar nuestros trabajos, impulsar la optimización y acompañarnos en nuestra vida diaria, manejando nuestras tareas ordinarias en tiempo real y liberándonos para que realicemos actividades creativas y otras tareas de nivel superior.

“IBM y Morning Consult aplicaron una encuesta a 1000 desarrolladores que están creando aplicaciones de IA para empresas, y el 99 % dijeron que están explorando o desarrollando agentes de IA”, explica Ashoori. “Entonces sí, la respuesta es que 2025 va a ser el año del agente”. No obstante, esa afirmación no está exenta de matices.  

Después de establecer la concepción actual del mercado de agentes como LLM con llamadas a funciones, Ashoori establece una distinción entre esa idea y los agentes verdaderamente autónomos. “La verdadera definición [de un agente de IA] es una entidad inteligente con capacidades de razonamiento y planificación que puede tomar medidas de forma autónoma. Esas capacidades de razonamiento y planificación están sujetas a debate. Depende de cómo se defina eso”.  

 “Definitivamente veo que los agentes de IA van en esta dirección, pero aún no llegamos completamente a ese punto”, comenta Gajjar. “En este momento, estamos viendo los primeros indicios: los agentes de IA ya pueden analizar datos, predecir tendencias y automatizar los flujos de trabajo hasta cierto punto. Pero la creación de agentes de IA que puedan manejar de forma autónoma la toma de decisiones complejas requerirá algo más que mejores algoritmos. Necesitaremos grandes saltos en el razonamiento contextual y en las pruebas para los casos más complejos”, agrega.  

Danilevsky no está convencida de que esto sea algo nuevo. "Todavía me cuesta creer realmente que esto es tan diferente de la simple orquestación", dice. “Cambiaron el nombre de 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”.   

Con respecto a que 2025 sea el año del agente, Danilevsky se muestra escéptica. “Depende de lo que diga que es un agente, lo que cree que va a lograr un agente y qué tipo de valor cree que traerá”, afirma. “Es una gran declaración para hacer cuando aún no hemos descubierto el retorno de la inversión (ROI) en la tecnología de LLM en general”.  

Y no es solo el aspecto comercial lo que la tiene cubriendo sus apuestas. “Existe la exageración de imaginar si esto pudiera pensar por usted y tomar todas estas decisiones y tomar medidas en su computadora. Siendo realistas, eso es aterrador”.

Danilevsky enmarca la desconexión como una falta de comunicación. “[Los agentes] tienden a ser muy ineficaces porque los humanos son muy malos comunicadores. Todavía no podemos lograr que los agentes de chat interpreten correctamente lo que quieres todo el tiempo”.  

Aún así, el próximo año es muy prometedor como una era de experimentación. “Creo firmemente en [2025 como el año del agente]”, afirma Hay con emoción.  

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

“Se acerca la ola y vamos a tener muchos agentes. Todavía es un ecosistema muy incipiente, así que creo que mucha gente va a crear agentes y se van a divertir mucho”. 

Esta narrativa asume que los agentes de hoy cumplen con la definición teórica descrita en la introducción de este artículo. Los agentes de 2025 serán programas de IA totalmente autónomos que pueden analizar un proyecto y completarlo con todas las herramientas necesarias y sin ayuda de humanos. Pero lo que falta en esta narrativa son matices.

Hay considera que ya se han sentado las bases para este tipo de desarrollos. “Lo importante de los agentes es que tienen la capacidad de planificar”, describe. “Tienen la capacidad de razonar, de usar herramientas y realizar tareas, y necesitan hacerlo a velocidad y escala”.

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

• Modelos mejores, más rápidos y más pequeños  

• Entrenamiento de cadena de pensamiento (COT)

• Ventanas de contexto aumentadas  

• Llamada de función  

“Ahora, la mayoría de estas cosas están en juego”, continúa Hay. “Usted puede tener las herramientas de llamadas de IA. Estas pueden planificar, pueden razonar y proporcionar buenas respuestas. Pueden usar cómputo en tiempo de inferencia. Usted tendrá mejores cadenas de pensamiento y más memoria con la cual trabajar. Esto va a correr rápido y a ser barato. Eso le lleva a una estructura donde creo que puede tener agentes. Los modelos están mejorando cada vez más, así que eso solo va a acelerar”. 

Ashoori tiene cuidado al diferenciar entre lo que los agentes podrán hacer más adelante y lo que pueden hacer ahora. “Existe la promesa, y existe lo que el agente es capaz de hacer hoy“, dice. “Diría que la respuesta depende del caso de uso. Para casos de uso sencillos, los agentes son capaces de [elegir la herramienta correcta], pero para casos de uso más sofisticados, la tecnología aún no ha madurado“.  

Danilevsky replantea la narrativa como contextual. “Si algo es cierto una vez, no significa que lo sea siempre. ¿Hay algunas cosas que los agentes puedan hacer? Claro. ¿Significa eso que puedes convertir en agente cualquier flujo que te venga a la mente? No”.  

Para Gajjar, la cuestión es de riesgo y gobernanza. “Estamos viendo que los agentes de IA evolucionan de generadores de contenido a solucionadores autónomos de problemas. Estos sistemas deben someterse a rigurosas pruebas de estrés en entornos de sandbox para evitar fallas en cascada. Diseñar mecanismos para acciones de reversión y garantizar que los registros de auditoría sean parte integral para que estos agentes sean viables en industrias de alto riesgo”.  

Pero se muestra optimista y cree que superaremos estos retos. “Creo que este año veremos avances en la creación de mecanismos de reversión y pistas de auditoría. No se trata solo de construir una IA más inteligente, sino también de diseñar redes de seguridad para que podamos rastrear y solucionar rápidamente los problemas cuando las cosas se desvían"  

Y aunque Hay tiene esperanzas sobre el potencial de desarrollo agéntico en 2025, ve un problema en otra área: “La mayoría de las organizaciones no están preparadas para los agentes. Lo que va a ser interesante es exponer las API que tienen en sus empresas hoy. Ahí es donde va a estar el trabajo emocionante. Y no se trata de lo buenos que serán los modelos. Eso dependerá de cuán preparado esté para la empresa”. 

La "nueva normalidad" que vislumbra esta narrativa ve a los equipos de agentes de IA acorralados bajo modelos más grandes de orquestador 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 conjunto y utilizan experiencia específica para completar tareas.

Gajjar considera que esta predicción no solo es creíble, sino probable. “Estamos al comienzo de este cambio, pero se está moviendo rápido. Los orquestadores de IA podrían convertirse fácilmente en la columna vertebral de los sistemas de IA empresarial este año, conectando múltiples agentes, optimizando los flujos de trabajo de IA y manejando datos multilingües y multimedia”, opina. Sin embargo, advierte contra apresurarse sin las medidas de seguridad adecuadas.  

“Al mismo tiempo, escalar estos sistemas necesitará una infraestructura sólida para mantener las cosas en funcionamiento de manera fluida, sin sacrificar la responsabilidad”, advierte Gajjar. “2025 podría ser el año en que pasemos de los experimentos a la adopción a gran escala, y estoy impaciente por ver cómo las empresas equilibran la velocidad con la responsabilidad”.

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

"Va a tener un orquestador de IA, y van a trabajar con múltiples agentes", describe Hay. "Un modelo más grande sería un orquestador, y los modelos más pequeños realizarán tareas restringidas".

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

 Hay prevé una evolución de ida y vuelta a medida que se desarrollan los modelos. “Va a alcanzar un límite en [cuanto a lo que pueden hacer los agentes individuales], y luego volverá a la colaboración entre múltiples agentes. Va a empujar y tirar entre infraestructuras y un único agente de nivel superior”. Y aunque los modelos de IA serán los que determinen los flujos de trabajo de los proyectos, Hay cree que los humanos siempre permanecerán en el bucle.

Para Ashoori, la necesidad de un metaorquestador no es un hecho y se reduce a los casos de uso previstos. "Es una decisión de arquitectura", explica. “Cada agente, por definición, debe tener la capacidad de averiguar si necesita orquestar con otro agente, extraer un montón de herramientas o si necesita algunos datos complementarios. No necesariamente se necesita un agente intermedio que se sienta en la cima y monitoree a todos para decirles qué hacer”.  

Sin embargo, en algunos casos, es posible. “Es posible que deba descubrir cómo utilizar una combinación de agentes especializados para su propósito”, supone Ashoori. "En ese caso, puede decidir crear su propio agente que actúe como orquestador".  

Danilevsky aconseja a las empresas que primero comprendan qué flujos de trabajo pueden y deben transformados en agénticos para qué grado de retorno de la inversión, y luego desarrollar una estrategia de IA a partir de ahí. “¿Va a haber algunos flujos de orquestación con algunos agentes? Por supuesto. Pero, ¿debería todo en su organización estar orquestado con un flujo agéntico? No, no va a funcionar”. 

Una visión predominante de la adopción agéntica durante el próximo año es aquella en la que los agentes aumentan, pero no necesariamente reemplazan, a los trabajadores humanos. Servirán como contribuyentes a un flujo de trabajo optimizado dirigido por humanos, dicen los defensores.

Sin embargo, los temores a la pérdida de empleos derivada de la IA son un tema constante en las conversaciones actuales en cuanto a la adopción de la IA en las empresas. A medida que los agentes se vuelvan más capaces, ¿los líderes empresariales fomentarán la colaboración entre los agentes y los humanos o buscarán reemplazar a los trabajadores con herramientas de IA?

Ashoori cree que el mejor camino a seguir radica en confiar en los empleados para determinar el uso óptimo de la IA en sus respectivos trabajos. “Deberíamos empoderar a los empleados para que decidan cómo quieren aprovechar a los agentes, pero no necesariamente los reemplazarán en cada situación", explica. Algunas funciones laborales están listas para que se encargue de ellas un agente, mientras que con otras, la entrada humana no puede ser reemplazada. "Un agente puede transcribir y resumir una reunión, pero no va a enviar a su agente para que tenga esta conversación conmigo”.  

Danilevsky comparte la opinión de Ashoori y señala que la adopción de agentes en el lugar de trabajo no vendrá sin problemas de crecimiento. "Todavía habrá casos en los que, tan pronto como algo se vuelva más complejo, necesitará un humano". Si bien los líderes empresariales pueden verse tentados a reducir los costos a corto plazo mediante la eliminación de puestos de trabajo, el uso de agentes “...va a asentarse mucho más en un tipo de rol aumentado. Se supone que constantemente debes tener un humano, y al humano se le está ayudando, pero el humano toma las decisiones finales”, dice Danilevsky, describiendo su visión de "human-in-the-loop" (interacción humana) (HITL) para la IA.  

Hay ve un camino hacia la adopción sustentable de la IA en el trabajo. “Si lo hacemos bien, la IA está ahí para potenciar a los humanos y hacer las cosas mejor. Si la IA se implementa correctamente, nos da la libertad de hacer cosas más interesantes”. Pero, al mismo tiempo, puede imaginar otro futuro donde la IA se priorice demasiado. “Existe un riesgo real de que, si se implementa mal, terminemos siendo los humanos quienes apoyando la IA, y no al revés”.  

Gajjar también advierte que no hay que apoyarse demasiado en la IA. "No creo que los agentes de IA reemplacen empleos de la noche a la mañana, pero definitivamente cambiarán la forma en que trabajamos. Las tareas repetitivas y de bajo valor ya se están automatizando, lo que libera a las personas para trabajos más estratégicos y creativos. Dicho esto, las empresas deben tomar con seriedad la manera en que introducen los marcos de gobernanza de la IA, como los centrados en la equidad, la transparencia y la rendición de cuentas, que van a ser clave".

Para Hay, una ventaja de los modelos de IA de código abierto es cómo abren la puerta a un futuro mercado de agentes de IA y a la posterior monetización para los creadores. "Creo que los agentes de código abierto son la clave", dice Hay. “Debido al código abierto, cualquiera puede crear un agente y puede realizar tareas útiles. Y puedes crear tu propia empresa”.  

También es importante ponderar 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 resultados basados en texto, que pueden llegar a los usuarios a través de SMS en áreas sin conexiones a Internet confiables. “La habilitación que puede ocurrir en países [sin un fuerte acceso a Internet] porque la IA puede funcionar en un escenario de bajo ancho de banda y cada vez es más barata, es muy emocionante”, dice Hay.

En el transcurso de estas conversaciones, surgieron 2 temas una y otra vez con nuestros 4 expertos. Además de las 4 narrativas que analizamos, una ruta sostenible a través de la actual explosión de IA requerirá que las empresas y los líderes empresariales adopten 2 ideas:  

1. La gobernanza de la IA sustenta el cumplimiento exitoso y el uso responsable. 
2. Una estrategia sólida de IA centrada en el valor económico conducirá a las empresas a la adopción sustentable de la IA. 

"Las empresas necesitan marcos de gobernanza para monitorear 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 construir sistemas que sean fiables y auditables desde el primer día".  

Ashoori revela el panorama de un percance que podría ocurrir con la IA agéntica. “Utilizar un agente hoy en día es básicamente tomar un LLM y permitirle tomar medidas en nombre de usted. ¿Qué sucede si esta acción se conecta a un conjunto de datos y elimina una gran cantidad de registros confidenciales?  

“La tecnología no piensa. No puede ser responsable”, afirma Danilevsky. En términos de riesgos, como la fuga o eliminación accidental de datos, "la escala del riesgo es mayor", dice. "Hay tanto que un humano puede hacer en tanto tiempo, mientras que la tecnología puede hacer cosas en mucho menos tiempo y de una manera que podríamos no notar".  

Y cuando eso sucede, uno no puede simplemente señalar con el dedo a la IA y quitarle toda la culpa a las personas responsables de ella. “A un ser humano en esa organización se le va a responsabilizar y rendir cuentas por esas acciones”, advierte Hay.  

"El reto aquí es la transparencia", dice Ashoori. "Y la trazabilidad de las acciones de cada cosa que hacen los agentes. Tiene que saber exactamente lo que está pasando y ser capaz de seguirlo, rastrearlo y controlarlo".  

Para Danilevsky, la experimentación libre es el camino hacia el desarrollo sustentable. "[Hay mucho valor] en permitir que las personas realmente jueguen con la tecnología, la construyan y traten de romperla". También insta a los desarrolladores a ser cautelosos al determinar qué modelos usar y qué datos introducen en esos modelos. “[Algunos proveedores] tomarán todos sus datos. Así que es necesario tener un poco de cuidado”.

"El actual boom de la IA está absolutamente impulsado por el FOMO, y se calmará cuando la tecnología se normalice", predice Danilevsky. "Creo que la gente empezará a entender mejor qué tipo de cosas funcionan y cuáles no". "También hay que enfocarse en integrar los agentes de IA en ecosistemas en los que puedan aprender y adaptar continuamente, impulsando ganancias de eficiencia a largo plazo", agrega Gajjar.  

Danilevsky se apresura a fundamentar las expectativas y centrar la conversación en necesidades comerciales demostrables. “Las empresas deben tener cuidado de no convertirse en el martillo en busca de un clavo”, comienza. “Teníamos esto cuando los LLM aparecieron por primera vez. La gente dijo: 'Paso uno: vamos a usar LLM. Paso dos: ¿Para qué deberíamos usarlos?'”  

Hay alienta a las empresas a prepararse para los agentes antes de tiempo. “El valor va a estar en aquellas organizaciones que tomen sus datos privados y organicen eso de tal manera que los agentes investiguen con base en sus documentos”. Cada empresa alberga una gran cantidad de datos patentados valiosos, y la transformación de esos datos para que puedan potenciar los flujos de trabajo agénticos respalda un retorno de la inversión (ROI) positivo.  

“Con los agentes de IA, las empresas tienen la opción de aprovechar sus datos patentados y los flujos de trabajo existentes para diferenciarse y escalar”, comenta Ashoori. “El año pasado fue el año de la experimentación y la exploración para las empresas. Necesitan escalar ese impacto y maximizar su retorno de la inversión (ROI) de la IA generativa. Los agentes de IA son el boleto para que eso suceda”.  

Para obtener más información sobre la implementación correcta de la IA en las empresas, lea la guía de Maryam Ashoori sobre el análisis de costos de la IA agéntica. No se pierda tampoco a Vyoma Gajjar y Chris Hay exponiendo sus predicciones sobre la IA en 2025 en el pódcast Mixture of Experts de IBM.