Agentes de IA: de experimento a herramienta de trabajo real
OpenAI publica investigación sobre cómo los agentes cambian el trabajo, Gemini 3.5 Flash controla computadoras e IBM extiende Moore's Law.
Lo más importante de hoy en IA
Hoy el protagonista indiscutible es el auge de los agentes de IA: OpenAI publicó investigación formal sobre cómo están transformando el trabajo real, y Google DeepMind lanzó capacidades de uso de computadora en Gemini 3.5 Flash. En paralelo, IBM anunció un chip que podría mantener viva la Ley de Moore por una década más, con implicaciones directas para el hardware que corre todos estos modelos. Fue un día de productos y datos concretos, no de especulaciones.
Los agentes de IA ya tienen números: OpenAI muestra cómo cambian el trabajo
OpenAI publicó un paper de investigación que documenta, con datos, cómo los agentes de IA están cambiando la naturaleza del trabajo profesional. La conclusión central es que los agentes permiten ejecutar tareas más largas y complejas que lo que cualquier interacción conversacional permitía hasta ahora, y que la productividad no crece de forma lineal, sino que se expande hacia categorías de trabajo que antes simplemente no eran delegables a una máquina.
Lo que distingue este reporte de los habituales materiales de marketing es que OpenAI respalda las afirmaciones con métricas de uso real entre distintos roles: desde desarrolladores hasta operaciones y funciones de negocio. El patrón que emerge es consistente: el mayor impacto no está en hacer más rápido lo que ya se hacía, sino en abordar trabajos que requerían coordinación de múltiples pasos y fuentes de información simultáneas.
Para un product manager o un líder de ingeniería en Latinoamérica, la implicación práctica es clara: si todavía estás evaluando agentes como una versión mejorada del chatbot, estás mirando el problema con el marco equivocado. La pregunta relevante hoy no es “¿qué preguntas le puedo hacer a la IA?” sino “¿qué flujos de trabajo de dos o más pasos puedo rediseñar para que un agente los ejecute de principio a fin?”
Gemini 3.5 Flash puede usar tu computadora, y eso no es menor
Google DeepMind anunció la introducción de “computer use” en Gemini 3.5 Flash, su modelo diseñado para alta velocidad y bajo costo. Esto significa que Gemini ahora puede navegar interfaces gráficas, hacer clic, leer pantallas y ejecutar acciones en una computadora real, no solo generar texto que describe cómo hacerlo.
La elección del modelo no es casual. Flash es el tier económico de la familia Gemini: rápido, barato y pensado para volumen. Llevar computer use a ese nivel de la línea sugiere que Google apunta a que esta capacidad sea algo que se integre a escala en productos y pipelines, no una funcionalidad de demostración reservada para modelos premium. Anthropic ya había mostrado computer use con Claude el año pasado, y OpenAI tiene Operator; ahora Google entra de forma más agresiva en ese espacio con un modelo orientado a producción.
Para equipos que construyen automatizaciones o flujos internos, esto abre opciones concretas: tareas que hoy requieren RPA tradicional o scripts frágiles podrían manejarse con un agente que simplemente “ve” la pantalla y actúa. La advertencia es que estas capacidades siguen teniendo tasas de error no triviales en entornos complejos, así que el diseño de la supervisión humana en el loop sigue siendo trabajo de ingeniería que no se puede ignorar.
IBM anuncia el chip que podría alimentar la próxima década de IA
IBM presentó un prototipo de chip con alrededor de 100 mil millones de transistores en un área del tamaño de una uña, duplicando la densidad de su tecnología anterior de 2021. El diseño opera por debajo del nanómetro en sus características críticas, lo que lo convierte en uno de los avances más significativos en semiconductores en años recientes.
La Ley de Moore —la observación de que la densidad de transistores se duplica aproximadamente cada dos años— lleva una década siendo declarada muerta o moribunda. Este anuncio de IBM no la resucita por decreto, pero sí demuestra que hay caminos técnicos concretos para seguir empaquetando más cómputo en menos espacio y con menos energía. Eso segundo importa tanto como lo primero: el consumo energético de los centros de datos que corren modelos de lenguaje es uno de los cuellos de botella más citados en la industria.
Para quienes toman decisiones sobre infraestructura o inversión en IA, el mensaje es que el hardware que hoy parece limitante no es un techo permanente. Los modelos más capaces requieren más cómputo, pero la industria de semiconductores sigue encontrando formas de entregar ese cómputo de manera más eficiente. El horizonte de lo que será posible correr en servidores —y eventualmente en edge— sigue moviéndose.
En pocas palabras
El patrón de hoy es de maduración, no de novedad. Los agentes de IA dejaron de ser una promesa de investigación para convertirse en el eje central de la estrategia de producto de las principales labs, con datos que lo respaldan. Gemini Flash con computer use e IBM con su chip son señales del mismo fenómeno visto desde dos ángulos distintos: la infraestructura —tanto de software como de hardware— está alcanzando el nivel necesario para que la automatización agéntica funcione a escala real. Lo que antes era una demo está convirtiéndose en un problema de ingeniería y de gestión del cambio.
Fuentes utilizadas: https://openai.com/index/how-agents-are-transforming-work, https://deepmind.google/blog/introducing-computer-use-in-gemini-3-5-flash/, https://www.technologyreview.com/2026/06/25/1139696/ibm-unveils-sub1nm-chip/