IA agéntica: la próxima frontera de la inteligencia artificial y sus riesgos potenciales

La inteligencia artificial ha vivido dos vidas distintas en los últimos años. Primero llegó la versión generativa, la que todos conocemos: ChatGPT escribiendo ensayos, DALL-E dibujando imágenes, sistemas que responden cuando les pides algo y luego se detienen. Ahora, mientras esa tecnología sigue asombrando a millones de personas en todo el mundo, la atención del mercado se está desplazando hacia algo diferente. Algo que no espera a que le des una orden. Algo que planifica, decide y actúa por su cuenta.

Esta nueva frontera se llama IA agéntica, y para entenderla hay que empezar por lo que ambas tienen en común. Tanto la IA generativa como la agéntica nacen del machine learning, del procesamiento del lenguaje natural y de años de avances en redes neuronales. Pero ahí termina el parecido. La IA generativa es reactiva: tú le pides algo, ella lo produce, y luego tú evalúas si sirve o no. Es útil para resúmenes, para crear contenido, para revisar documentos. Funciona bajo demanda, como un asistente que espera instrucciones.

La IA agéntica, en cambio, es proactiva. No espera. Recibe un objetivo y luego establece por sí sola los pasos necesarios para alcanzarlo, usando bases de datos, manteniendo memoria de lo que ha hecho, conectándose con herramientas externas. Es más parecida a un colaborador digital que a una herramienta. Funciona especialmente bien en atención al cliente, ventas y marketing, donde puede trabajar sin que alguien esté constantemente diciéndole qué hacer.

Para ver cómo funciona esto en la práctica, imagina una agencia inmobiliaria que habilita IA agéntica para ayudar a los clientes a buscar casa. Un usuario llega y dice: "Quiero un apartaestudio nuevo, con vista exterior, en un piso alto y cerca del centro". La IA agéntica entiende el objetivo. Luego, sin que nadie le diga exactamente cómo, ella consulta la base de datos de propiedades, descarta los usados, los de vista interior, los de pisos bajos. Analiza cuáles están más cerca del centro. Organiza los resultados por precio. Reduce la lista a los quince mejores. Todo esto sucede de forma autónoma. Es solo después, cuando esos resultados necesitan presentarse al usuario como un resumen comparativo o como un correo personalizado, que entra en juego la IA generativa. Las dos tecnologías se complementan: una planifica y ejecuta, la otra comunica y presenta.

Pero esta capacidad de actuar sin supervisión constante trae consigo un riesgo que no existía con la IA generativa. Los riesgos de la generativa ya son conocidos: imprecisiones, sesgos en la información. Son problemas que la gente ha visto de primera mano miles de veces. La IA agéntica, al ser más autónoma, puede emprender acciones que nadie quería que hiciera. Dependiendo de dónde esté operando y de cuánta supervisión humana tenga, esas acciones no deseadas podrían ser muy sensibles. Un sistema que toma decisiones por su cuenta en finanzas, en salud, en seguridad, sin alguien mirando constantemente por encima del hombro, es un sistema que puede causar daño si algo sale mal.

Esta es la tensión fundamental de la IA agéntica: ofrece eficiencia real, automatización genuina, la promesa de sistemas que trabajan sin necesidad de intervención constante. Pero esa misma autonomía es lo que la hace peligrosa. El desafío ahora no es solo crear sistemas que funcionen bien, sino crear sistemas que funcionen bien sin hacer cosas que no queremos que hagan. Y eso es un problema mucho más difícil de resolver.