Por qué los agentes son el tema n.º 1 de 2026

En 2022, el mundo se asombró porque la IA aprendió a hablar. Para 2026, la palabra clave ha cambiado: ahora son los agentes: IA que no solo responde con texto, sino que realiza tareas de varios pasos por sí misma. Este curso trata sobre ellos. Y esta primera lección es sobre por qué el tema ha explotado ahora mismo, qué dinero y expectativas giran en torno a él, y qué promesas son ciertas.

Acto I. Hablar sin manos (2022–2023)

El ChatGPT de 2022 podía razonar de forma impresionante, pero no podía hacer nada. Si le pedías «encuéntrame billetes más baratos», escribía un plan precioso para encontrarlos. La búsqueda dependía de ti. El modelo no tenía «manos»: no tenía acceso a búsquedas, calendario o archivos. Texto de entrada, texto de salida.

Acto II. AutoGPT: el primer intento de dar manos a la IA (primavera de 2023)

En primavera de 2023, los entusiastas crearon AutoGPT, un programa envoltorio que ejecutaba el modelo en un bucle: ¿cuál es el objetivo? → ¿cuál es el siguiente paso? → hazlo → mira el resultado → continúa. Internet explotó: parecía que el trabajador de IA autónomo había llegado. La gente lanzó AutoGPT para «crear un negocio» y se fue a la cama.

Se despertaron con una decepción. AutoGPT perdía el objetivo después de una docena de bucles, daba vueltas, se convencía de resultados inexistentes y quemaba dinero a cada paso. La euforia se desinfló en cuestión de meses. Pero la idea en sí —un modelo en un bucle, con herramientas y verificación de resultados— se mantuvo y demostró ser correcta. Faltaban tres cosas: modelos más potentes, una forma fiable de conectar herramientas y salvaguardias contra bucles infinitos.

Acto III. Las manos crecieron (2024–2026)

Durante los dos años siguientes, las tres piezas encajaron. Los modelos mejoraron mucho en la gestión de tareas largas. Aparecieron «sockets» estándar para conectar herramientas: búsqueda, archivos, hojas de cálculo (el principal tendrá su propia lección en el módulo tres). Y la industria aprendió las salvaguardias por las malas: límites, confirmaciones, sandboxes. Para 2026, los agentes están en todos los productos principales: los modos de investigación profunda buscan fuentes y elaboran informes por sí mismos, los agentes de codificación escriben y corrigen código, y en los constructores de automatización un agente es un nodo ordinario que arrastras con el ratón.

Qué es un agente: una definición de trabajo

Por ahora, acordemos algo simple: un agente es una IA que descompone un objetivo en pasos por sí misma, los ejecuta con herramientas y verifica el resultado. Un chat responde y se detiene; un agente trabaja hasta que el objetivo se completa. El mecanismo completo —el bucle del agente— se verá en la próxima lección: es el corazón de todo el curso.

El mercado: lo que dicen nuestros propios datos de reconocimiento

En julio de 2026, extrajimos datos de las API internas de Udemy, el mercado de cursos online más grande del mundo. El tema de los agentes ya cuenta con 832.649 estudiantes de pago. Para que te hagas una idea: el curso de IA generativa más popular reunió a 409.492 estudiantes durante varios años, y Google AI Essentials en Coursera, 1.876.929 inscripciones. La ola de demanda de habilidades de IA es enorme, y los agentes son su parte más candente: mucha gente ya puede «simplemente hacer prompts», mientras que casi nadie puede asignar tareas a los agentes y controlarlos.

Un pronóstico honesto: lo que los agentes pueden hacer de verdad

Ahora, el antídoto contra la euforia: sin él, este curso sería un anuncio. En pruebas con tareas de oficina realistas, el mejor agente de 2026 completa alrededor del 30,3 %, menos de un tercio. Lee esa cifra completa, ambas mitades:

• El vaso medio lleno: un tercio de las tareas de oficina ya las hace una máquina de principio a fin. Hace tres años, cero.
• El vaso medio vacío: en dos de cada tres casos, el agente no se las arreglará sin un humano. «Un agente reemplazará tu departamento» es vender un cuento de hadas.

De ahí la heurística de trabajo que sacarás de este curso: un agente es fuerte donde el resultado puede ser verificado y el coste del error está limitado. Dónde están exactamente esas zonas, el mapa está en la lección tres.

Por qué aprender ahora, no «cuando madure»

Precisamente porque los agentes son imperfectos, la persona valiosa es la que conoce sus límites: qué tarea delegar, cuál no, qué salvaguardias establecer. Una vez que la tecnología madure, esta habilidad se volverá común, como buscar en Google. Ahora mismo es rara. El valor no proviene de los agentes en sí, sino de la persona que puede asignarles tareas y verificar el resultado.

Sandbox: calibra tus expectativas

Pon a prueba tu intuición ahora mismo: envía esto al sandbox debajo de la lección:

Here are 6 tasks:
1) Collect the prices of 10 competitors from their websites into a table.
2) Write a birthday congratulation for a colleague.
3) Sort 50 emails into "urgent / can wait / spam".
4) Negotiate a 10% discount with a supplier.
5) Find and fix a code bug that breaks a report.
6) Dismiss an employee in full compliance with the law.
For each: could a consumer AI agent of 2026 do it end to end,
without a human — YES or NO, and why, in one line.

Luego pide al modelo que haga de escéptico:

Play a skeptical analyst. Here are 4 promises from AI agent ads:
1) "An agent will replace your sales department."
2) "Launch it — and the business runs itself while you sleep."
3) "An agent will sort your inbox and draft replies."
4) "An agent will find a bug in the report, fix it and show what changed."
For each give a verdict: REAL TODAY / PARTLY / FAIRY TALE —
and one sentence why. Keep in mind that the best agents complete
less than a third of realistic office tasks without a human.

Hazlo ahora

Ejecuta el primer prompt del sandbox y compara las respuestas del modelo con tus expectativas. Anota una tarea de tu propio trabajo sobre la que ahora te preguntes: ¿podría un agente gestionarla? Al final del curso, tú mismo responderás a eso, con argumentos.