Durante los últimos años hemos aprendido a hablar con la inteligencia artificial. Abrimos ChatGPT, Claude, Gemini o cualquier otro asistente, escribimos una pregunta y esperamos una respuesta. A veces le pedimos un texto, otras un resumen, una explicación o una idea. Ese modelo no va a desaparecer, pero está dejando de ser el centro de todo.
La siguiente fase son los agentes. Y conviene empezar a acostumbrarse ya a ese concepto, porque prácticamente todas las grandes compañías están construyendo productos alrededor de él. No quieren que la IA solo te responda. Quieren que haga cosas por ti.
Del chatbot al agente hay menos distancia de la que parece
La diferencia se entiende mejor con un ejemplo sencillo. A un chatbot le preguntas qué vuelos hay mañana a Roma. A un agente le dices que te organice el viaje: que busque un vuelo que encaje con tu calendario, encuentre un hotel céntrico y prepare un itinerario.
El primero te da información. El segundo intenta completar el trabajo.
Para hacerlo puede navegar por Internet, consultar aplicaciones conectadas, abrir documentos, utilizar herramientas, ejecutar código o trabajar durante varios pasos sin que tengas que indicarle constantemente qué hacer. Ese cambio parece pequeño, pero transforma por completo la forma de relacionarnos con la IA. De hecho, en Hefestec ya vimos cómo Microsoft estaba preparando todo su ecosistema alrededor de los agentes, no solo alrededor de Copilot.
Dots apunta al modelo de agente permanente
OpenAI presentó Dots como una nueva generación de agentes diseñados para permanecer activos de forma continuada y encargarse de tareas por nosotros. La idea no es abrir una conversación cada vez que necesitas algo, sino tener un agente que conozca tus objetivos y pueda seguir trabajando mientras tú haces otra cosa.
Eso permite imaginar agentes dedicados al trabajo, otros pendientes de tareas recurrentes o incluso uno que investigue determinados temas de forma continuada. La IA deja de ser una herramienta que abres y cierras para convertirse en algo que permanece disponible y, potencialmente, trabajando. En Hefestec contamos las novedades del DevDay 2026 y Dots encaja justo en ese salto de ChatGPT hacia una plataforma de trabajo más amplia.
ChatGPT Work ya enseña por dónde va el cambio
Ni siquiera hace falta esperar a que ese modelo madure del todo. ChatGPT Work ya está planteado para tareas largas y complejas: investigar, analizar información, trabajar con aplicaciones y archivos conectados y terminar creando documentos, hojas de cálculo, presentaciones o informes completos.
Ahí cambia también la forma de pedir las cosas. En lugar de solicitar una respuesta concreta, entregas un trabajo: analizar datos y preparar un informe, investigar un mercado y crear una presentación o revisar una carpeta de archivos y detectar qué ha cambiado.
El usuario deja de dirigir cada paso y empieza a definir un objetivo.
Meta también quiere que vivas con un agente
Meta está empujando en una dirección parecida con Muse. Su propuesta combina navegación, acceso a distintos servicios y capacidad para realizar acciones que antes exigían saltar de una aplicación a otra.
Ese es probablemente el cambio más importante de esta nueva etapa. Las grandes compañías ya no están intentando construir solamente el chatbot que mejor responde. Están intentando construir el agente que mejor trabaja. También explicamos en Hefestec qué es Muse y por qué Meta quiere convertirlo en algo mucho más ambicioso que otro chatbot.
OpenClaw demuestra que esto no va solo de las grandes tecnológicas
Fuera de OpenAI, Meta o Google también está creciendo todo un ecosistema de agentes. OpenClaw es un buen ejemplo: un asistente de código abierto que puedes ejecutar en tus propios dispositivos, conectar a servicios como Telegram, WhatsApp, Discord, Slack o Teams y combinar con distintos modelos y herramientas.
Es bastante más técnico que ChatGPT Work o Muse, pero enseña hacia dónde se está moviendo todo esto: agentes con memoria, herramientas, acceso a aplicaciones y capacidad para encargarse de tareas concretas durante periodos largos.
La idea de tener una IA especializada en vigilar algo, preparar información, automatizar procesos o actuar cuando se cumple una condición ya no es una rareza para desarrolladores. Poco a poco se está convirtiendo en producto. Google Home, por ejemplo, ya está abriendo su infraestructura a agentes como Claude y OpenClaw, una buena muestra de cómo estos sistemas empiezan a salir del chat y entrar en servicios reales.
Vamos a tener que aprender a delegar, no solo a escribir prompts
Con los chatbots hemos aprendido a escribir prompts. Con los agentes tendremos que aprender a delegar, y no es exactamente lo mismo.
A un chatbot le dices lo que quieres que escriba. A un agente tienes que explicarle qué objetivo quieres conseguir, qué límites tiene, qué recursos puede utilizar y qué decisiones puede tomar por su cuenta. La habilidad importante dejará de ser encontrar la frase perfecta y pasará a ser definir bien un trabajo.
Eso también cambia la relación con la tecnología. Habrá que aprender cuándo conviene darle autonomía, cuándo revisar lo que hace y cuándo exigir una confirmación antes de ejecutar una acción.
Cuanto más útil sea el agente, más acceso necesitará
Hay una contrapartida evidente. Para que estos sistemas resulten realmente útiles necesitan entrar mucho más en nuestra vida digital.
Si quieres que organice tu agenda, necesita el calendario. Si quieres que gestione correos, necesita acceso al correo. Si tiene que trabajar con documentos, necesita tus archivos. Y si algún día queremos que compre, reserve o contrate cosas por nosotros, también tendrá que acceder a servicios externos y sistemas de pago.
Por eso aprender a usar agentes también significará aprender a gestionar permisos: qué puede leer, qué puede modificar, qué puede hacer automáticamente y qué necesita nuestra confirmación.
Probablemente esa parte termine siendo tan importante como saber darles instrucciones.
Ya no estamos hablando de una tecnología futura
Lo curioso es que todavía hablamos muchas veces de los agentes como si fueran algo que llegará dentro de unos años, cuando los primeros ejemplos útiles ya están aquí.
ChatGPT Work existe. Muse existe. OpenClaw existe. Dots acaba de presentarse. Las empresas están creando agentes internos para tareas repetitivas y cada vez hay más herramientas pensadas para conectar modelos de IA con aplicaciones, archivos y servicios reales.
Siguen fallando, necesitan supervisión y todavía estamos en una fase bastante temprana. Pero la dirección está bastante clara.
Durante los últimos años hemos aprendido a preguntarle cosas a una IA. Ahora nos va a tocar algo distinto: aprender a darle trabajo, explicarle bien qué queremos y decidir hasta dónde estamos dispuestos a dejarla actuar por nosotros.