“Agente” es la palabra más sobrecargada del sector ahora mismo. Para unos es un bucle que llama herramientas; para otros, un empleado digital autónomo. Esa ambigüedad es lo que hace que tantos proyectos arranquen con expectativas imposibles.
Vamos a los datos antes que a las definiciones.
Dónde estamos de verdad
El AI Index 2026 de Stanford mide agentes en OSWorld, un banco de pruebas donde el sistema opera un ordenador real. El éxito en tareas pasó del 12% al 66% en un año. Es un salto enorme y, a la vez, una cifra que hay que leer con cuidado: uno de cada tres intentos sigue fallando.
En el lado de la adopción, la encuesta State of AI 2026 de McKinsey —1.719 respuestas, trabajo de campo entre mayo y junio de 2026— encuentra que el 62% de las organizaciones al menos experimenta con agentes, pero sólo el 23% los ha escalado en alguna función.
Ese hueco de 39 puntos no es falta de tecnología. Es lo que pasa cuando un 66% de fiabilidad se encuentra con un proceso de negocio que necesita 99%.
Los tres sitios donde se rompen
1. El agente no sabe que ha fallado. El modo de fallo peligroso no es el error visible, es el paso que “parece” haber salido bien. Un agente que lee mal un campo y sigue adelante con confianza hace más daño que uno que se para.
2. El alcance crece sin querer. OWASP subió la agencia excesiva del sexto puesto en 2025 al tercero en su Top 10 de 2026 precisamente por esto: damos a los agentes memoria persistente, credenciales y acceso a herramientas, y luego descubrimos lo que pueden tocar.
3. Nadie sabe qué pasó. Sin trazas por paso, depurar un agente es arqueología. Y si no puedes depurarlo, no puedes mejorarlo.
Lo que sí está funcionando
Los despliegues que vemos llegar a producción comparten un patrón, y no es el que vende la demo:
- Alcance estrecho, herramientas contadas. Cinco herramientas bien definidas rinden más que treinta genéricas. El espacio de decisión se reduce y la fiabilidad sube.
- Humano en el punto de compromiso. El agente prepara, propone y documenta; la persona aprueba la acción irreversible. Enviar el correo, emitir el abono, modificar el pedido.
- Idempotencia y reintentos. Si un paso puede ejecutarse dos veces sin romper nada, el 34% de fallos se convierte en un problema de coste, no de corrección.
- Presupuesto por tarea. Límite de pasos, de tokens y de tiempo. Un agente sin tope es una factura sin tope.
- Evaluación continua, no pruebas puntuales. Un set de casos reales que se ejecuta en cada cambio de prompt, de modelo o de herramienta.
La pregunta que ahorra seis meses
Antes de construir nada: ¿qué pasa cuando se equivoque?
Si la respuesta es “lo detectamos en la revisión semanal”, no despliegues. Si es “el sistema lo detecta, revierte y avisa”, ya tienes un diseño. La mayoría de los proyectos de agentes que fracasan no fracasaron construyendo el camino feliz — nunca construyeron el otro.
Dónde empezar
El mejor primer agente no es el más impresionante, es el más aburrido y más repetido. Conciliar dos sistemas que no hablan entre sí. Preparar el borrador de un informe que alguien rehace cada lunes. Clasificar y enrutar lo que entra por un buzón compartido.
Tareas donde el coste del error es bajo, el volumen es alto y existe un resultado correcto verificable. Ahí el 66% no es un problema: es un 66% de trabajo que ya no hace nadie, con un 34% que se revisa.
Escalar desde ahí es un problema de ingeniería. Empezar por el caso espectacular es un problema de presupuesto.