De hablar con una IA a dirigir equipos de agentes

Imaginemos dos escenas.

En la primera, una persona abre una aplicación de inteligencia artificial en el móvil y pregunta: «¿Puedes resumirme este contrato?» La IA responde. La persona lee la respuesta, decide qué hacer con ella y ejecuta manualmente el siguiente paso.

En la segunda escena, la persona formula un objetivo: «Analiza estos contratos, compáralos con nuestro modelo, identifica las cláusulas que se apartan de la política de la empresa, verifica las referencias legales y prepara un informe para mi revisión.»

El sistema abre los documentos autorizados, clasifica su contenido, consulta las fuentes disponibles, ejecuta comparaciones, distribuye partes del trabajo, revisa los resultados y presenta un informe con las cuestiones que requieren una decisión humana.

Las dos escenas utilizan inteligencia artificial. Pero representan dos formas de trabajar radicalmente distintas. La primera produce una respuesta. La segunda intenta completar una tarea.

El móvil es una ventana, no la frontera

Tendemos a identificar la inteligencia artificial con el lugar donde conversamos con ella: una aplicación en el teléfono, una página web o un cuadro de texto.

Pero la pantalla es solamente la interfaz. Un teléfono puede servir para hacer una pregunta sencilla. También puede actuar como panel desde el que se inicia, supervisa o aprueba un trabajo que se ejecuta en otro ordenador, en un servidor o en un entorno protegido.

Por eso, la diferencia importante no es si utilizamos la IA desde un móvil o desde un ordenador. Tampoco depende exclusivamente de cuál sea el modelo más potente. La diferencia es si el sistema únicamente puede hablar o si, además, puede actuar.

¿Qué es un agente de IA?

Un agente no es necesariamente un nuevo tipo de inteligencia artificial. Es un sistema construido alrededor de un modelo para convertir sus respuestas en una secuencia de acciones.

Una IA conversacional responde a una petición. Un agente recibe un objetivo, decide algunos pasos, utiliza herramientas, observa los resultados y adapta el siguiente paso.

El objetivo no nace de la propia IA. Lo establece una persona, una organización o un programa. Lo que cambia es que el sistema dispone de cierto margen para decidir cómo intentar alcanzarlo.

La IA agéntica tampoco es una categoría absoluta. Existe un continuo entre los flujos completamente programados y los sistemas con mayor capacidad para elegir su siguiente acción. La OCDE describe precisamente la agencia como un espectro, no como un interruptor que simplemente esté encendido o apagado.

En un flujo tradicional, el recorrido está escrito de antemano:

1. Recibir un documento.
2. Extraer sus datos.
3. Aplicar unas reglas.
4. Generar un informe.

En un sistema más agéntico, el modelo puede decidir que necesita buscar otra fuente, ejecutar una comprobación adicional, pedir ayuda a un agente especializado o revisar una conclusión que no encaja con los datos obtenidos.

Los sistemas más fiables suelen combinar ambas aproximaciones: flexibilidad donde resulta útil y reglas deterministas donde el proceso no admite improvisación.

El arnés: lo que convierte un modelo en un sistema de trabajo

El modelo es solo una parte del conjunto. Para actuar necesita lo que en el sector suele denominarse un harness: un arnés o capa de ejecución que conecta el modelo con el resto del sistema.

Ese arnés puede encargarse de:

• preparar la información que recibe el modelo;
• ofrecerle herramientas autorizadas;
• ejecutar las operaciones solicitadas;
• conservar el estado de la tarea;
• devolverle los resultados;
• detectar errores y permitir nuevos intentos;
• aplicar límites de tiempo, coste y permisos;
• solicitar aprobación humana;
• registrar lo ocurrido;
• detener el proceso cuando se alcanza un límite.

Podemos imaginar el modelo como un motor. El arnés sería el vehículo completo: dirección, frenos, instrumentos, cinturones de seguridad y reglas sobre dónde puede circular. Un motor más potente no garantiza por sí solo un mejor vehículo.

Las herramientas son las manos

Un modelo aislado puede generar texto, imágenes o código. Pero para trabajar sobre el mundo digital necesita herramientas.

Una herramienta puede permitirle:

• buscar en fuentes autorizadas;
• leer documentos;
• consultar una base de datos;
• crear o modificar archivos;
• ejecutar código;
• utilizar una aplicación empresarial;
• actualizar un sistema interno;
• enviar una operación a otro agente;
• solicitar la aprobación de una persona.

Normalmente, el modelo no ejecuta físicamente estas acciones. Solicita una operación mediante una instrucción estructurada y el sistema comprueba si está permitida antes de ejecutarla.

Esa distinción es importante: la capacidad real de un agente no depende solamente de lo que el modelo «sepa», sino de las herramientas, los datos y los permisos que tenga a su disposición.

De explicar código a trabajar sobre un proyecto

La programación muestra con especial claridad este cambio.

Una IA conversacional puede explicar cómo corregir un error y proporcionar un fragmento de código. Un sistema como Codex puede inspeccionar los archivos de un proyecto, localizar el origen del problema, modificar el código, ejecutar las pruebas, observar un fallo, corregirlo y presentar los cambios para revisión.

La misma lógica puede trasladarse a muchas otras áreas:

• no solo explicar una hoja de cálculo, sino analizarla y preparar una nueva versión;
• no solo resumir una normativa, sino identificar qué procesos de la empresa pueden verse afectados;
• no solo describir cómo debería ser un cuadro de mando, sino programar un prototipo específico;
• no solo sugerir una búsqueda, sino realizarla, contrastar las fuentes y preparar un informe documentado.

El salto es pasar de generar contenido a operar sobre un entorno.

La IA también puede crear sus propias herramientas de trabajo

Una de las posibilidades más transformadoras es que estos sistemas no tienen que limitarse a utilizar programas existentes.

Un agente de programación puede crear una pequeña aplicación para una necesidad concreta: un comparador de cláusulas, un extractor de información, una calculadora especializada, un panel de seguimiento o un conector entre dos sistemas internos.

Después de ser revisada y validada, esa herramienta puede incorporarse al proceso y ser utilizada por otros agentes.

Esto reduce el coste de desarrollar software adaptado a necesidades muy específicas. Procesos que antes no justificaban meses de desarrollo pueden empezar a resolverse con aplicaciones pequeñas, construidas alrededor de la forma real de trabajar de una organización.

La ventaja empresarial, por tanto, quizá no consista únicamente en contratar el mejor modelo. Puede estar en construir el mejor sistema alrededor de él: datos adecuados, herramientas propias, procesos claros, memoria útil y controles eficaces.

Memoria de trabajo y memoria a largo plazo

Para realizar una tarea compleja no basta con responder correctamente a cada pregunta por separado. El sistema necesita conservar el hilo del trabajo.

La memoria de trabajo incluye lo que el agente necesita durante la tarea actual:

• el objetivo;
• el plan;
• los documentos relevantes;
• las operaciones ya realizadas;
• los resultados obtenidos;
• los errores encontrados;
• las decisiones pendientes.

Es como la mesa sobre la que se colocan los materiales de un asunto mientras se está trabajando.

La memoria a largo plazo es diferente. Puede conservar información entre sesiones: decisiones anteriores, preferencias, proyectos, relaciones entre documentos, procedimientos internos o experiencias relevantes.

Pero no es una memoria humana ni una conciencia continua. Normalmente consiste en archivos, bases de datos, registros y resúmenes que el sistema recupera cuando cree que pueden ser útiles.

Además, recordar más no siempre significa trabajar mejor. Una memoria incorrecta, desactualizada o atribuida al asunto equivocado puede ser más peligrosa que no recordar nada.

Por eso, una memoria profesional necesita procedencia, fechas, niveles de confianza, reglas de acceso y mecanismos para corregir, sustituir o eliminar información.

¿Pueden trabajar varios agentes juntos?

Sí. Ya es posible utilizar un agente coordinador que divida un encargo y delegue partes del trabajo en otros agentes.

Podríamos configurar:

• un agente para localizar información;
• otro para analizar documentos;
• otro para comprobar cifras;
• otro para revisar las fuentes;
• otro para buscar contradicciones;
• un coordinador para integrar los resultados.

Conviene, sin embargo, entender qué significa realmente «equipo». No estamos hablando de personas digitales con criterio profesional propio. Muchas veces son distintas instancias del mismo modelo, cada una con instrucciones, herramientas y contextos diferentes.

Tampoco es cierto que añadir más agentes produzca siempre mejores resultados. El trabajo paralelo puede ayudar cuando las tareas pueden separarse, pero también puede aumentar los conflictos, los costes y la propagación de errores cuando el problema exige una secuencia muy coordinada.

Un equipo de agentes aporta capacidad de ejecución. No aporta automáticamente responsabilidad, buen juicio ni una comprensión común del objetivo.

¿Qué puede significar esto para una empresa?

Pensemos en una empresa que estudia entrar en un nuevo mercado. Un sistema agéntico podría:

1. Reunir información económica y sectorial.
2. Identificar la normativa relevante.
3. Comparar competidores y proveedores.
4. Revisar contratos y riesgos.
5. Crear un pequeño programa para ordenar los datos.
6. Contrastar las conclusiones con fuentes autorizadas.
7. Preparar distintos escenarios.
8. Presentar las decisiones pendientes a la dirección.

También podría ayudar a mantener un mapa actualizado de obligaciones regulatorias, preparar borradores de informes, detectar incidencias en procesos internos, convertir reuniones en tareas o crear paneles adaptados a cada proyecto.

Nada de esto exige necesariamente una inteligencia artificial general. Exige combinar modelos actuales con programas, herramientas, datos, memoria y una arquitectura adecuada.

La clave es identificar qué partes del trabajo pueden automatizarse, cuáles necesitan verificación y cuáles deben seguir siendo decisiones humanas.

¿Y en un despacho de abogados?

En un despacho, el cambio puede ser todavía más profundo porque gran parte del trabajo se desarrolla sobre documentos, información, normas y procedimientos.

Ante un nuevo asunto, un sistema podría:

• inventariar y clasificar la documentación autorizada;
• extraer fechas, personas, cantidades y acontecimientos;
• construir una cronología;
• localizar fuentes jurídicas oficiales;
• comparar documentos con modelos y precedentes;
• señalar contradicciones o información ausente;
• preparar preguntas para el cliente;
• generar un primer borrador de análisis;
• comprobar que las citas conducen a las fuentes correctas;
• presentar al abogado las cuestiones que requieren criterio profesional.

El abogado seguiría decidiendo la estrategia, valorando el contexto, asesorando al cliente y asumiendo la responsabilidad del resultado.

Ese límite es esencial. Las organizaciones profesionales europeas y nacionales insisten en que el uso de IA no desplaza la responsabilidad del abogado.

Autonomía para preparar; autorización humana para comprometer.

Un agente puede investigar, ordenar, comparar y proponer. Pero cuando una acción afecta a un cliente, un tercero, un plazo, un derecho o una obligación, debe existir una decisión humana identificable.

Lo que ya es posible y lo que todavía no

Hoy ya existen sistemas capaces de utilizar herramientas, ejecutar código en entornos controlados, trabajar sobre repositorios y documentos, operar determinadas interfaces, continuar tareas durante periodos prolongados, recuperar información persistente, delegar subtareas y coordinar trabajo en paralelo.

Esto permite construir equipos digitales muy capaces para trabajos concretos. Pero no equivale a disponer de una empresa autónoma dentro del ordenador.

Los sistemas actuales siguen teniendo dificultades ante objetivos ambiguos, información incompleta, instrucciones contradictorias, tareas muy largas y situaciones en las que no existe una forma clara de comprobar si el resultado es correcto.

Funcionan mejor cuando el trabajo es digital, está bien delimitado, utiliza fuentes conocidas, dispone de criterios de verificación y permite revertir los errores.

La IA agéntica no es necesariamente una IA que comprenda mejor el mundo. Es, ante todo, una IA con más capacidad para actuar sobre él. Por eso, un error de razonamiento puede dejar de ser solamente una respuesta equivocada y convertirse en una sucesión de operaciones equivocadas.

Hacia dónde va la tecnología

La evolución parece avanzar en varias direcciones simultáneas:

• de las conversaciones a las tareas completas;
• de los asistentes generales a los agentes especializados;
• de una sola sesión a sistemas con continuidad;
• de un agente aislado a equipos coordinados;
• de utilizar programas existentes a crear herramientas propias;
• de esperar una respuesta a supervisar procesos que trabajan en segundo plano;
• de controlar cada clic a definir objetivos, límites y puntos de aprobación.

El papel humano también cambia. La persona deja de ejecutar manualmente cada operación y pasa a diseñar el trabajo, definir los límites, proporcionar contexto, supervisar excepciones y asumir las decisiones que tienen consecuencias.

Esto no elimina la necesidad de profesionales. Modifica el lugar en el que aportan valor.

La verdadera pregunta

Durante los últimos años nos hemos preguntado qué modelo responde mejor. La siguiente pregunta será más amplia: ¿qué sistema trabaja mejor?

Eso dependerá del modelo, pero también de la calidad de sus herramientas, de la memoria que conserve, de las fuentes que utilice, de cómo se distribuyan las tareas, de quién pueda conceder permisos y de cuándo deba detenerse para solicitar una decisión humana.

Dar una respuesta es generación. Completar una tarea es operación. Crear una herramienta es ampliar capacidad. Coordinar agentes es organizar trabajo.

Ahí comienza realmente la IA agéntica. Y esa transición puede cambiar profundamente las empresas y los despachos de abogados, no porque las máquinas se conviertan en personas, sino porque empezamos a construir sistemas capaces de transformar una instrucción humana en trabajo organizado.

La cuestión ya no es únicamente qué puede decir una inteligencia artificial. La cuestión es qué le permitimos hacer, con qué herramientas, bajo qué reglas y bajo la responsabilidad de quién.