La IA ya no solo responde: empieza a actuar por nosotros

Pedirle algo a una IA y recibir una respuesta ya forma parte del día a día de muchas personas. Ahora las empresas del sector quieren que también se encargue del trabajo que viene después: abrir aplicaciones, seguir varios pasos, comprobar resultados y corregir errores.

En este repaso, actualizado al 7 de septiembre de 2026, nos centramos en GPT-6 Astra de OpenAI, Claude Fable 5.1 de Anthropic y Gemini 3.8 Flash de Google, junto con sus novedades para trabajar con herramientas y analizar vídeo. Sus propuestas permiten ver qué tareas quieren resolver y qué queda en manos de quien las utiliza.

Porque dejar que un sistema prepare una respuesta es una cosa; darle acceso a nuestros archivos o cuentas exige conocerlo un poco mejor.

De contestar una pregunta a completar un objetivo

Un chatbot tradicional recibe una petición y produce texto. Un agente recibe un objetivo y trata de avanzar hacia él mediante varios pasos.

Puede buscar información, abrir un documento, ejecutar código, utilizar un navegador o consultar una herramienta externa. Después observa qué ha ocurrido, decide el siguiente paso y, si el resultado no encaja, intenta corregirlo. No significa que tenga voluntad propia ni que comprenda el mundo como una persona. Significa que el modelo está integrado en un sistema que le permite observar, decidir y actuar dentro de unos permisos determinados.

La diferencia se aprecia en una tarea cotidiana. Pedir a una IA que explique cómo organizar una investigación produce una guía. Pedir a un agente que realice esa investigación puede implicar que busque fuentes, descarte duplicados, prepare un documento, revise las citas y entregue un borrador listo para comprobar.

Un error durante ese proceso puede acabar en un archivo modificado o en información enviada a quien no corresponde. Los permisos importan tanto como la calidad de las respuestas.

GPT-6 Astra: intervenir mientras la tarea sigue en marcha

GPT-6 Astra es presentado por OpenAI como su modelo más capaz para razonamiento complejo, programación, investigación y uso de ordenadores. Su ventana de contexto alcanza 1.050.000 tokens y admite herramientas como búsqueda web, análisis de archivos, ejecución de código y control de interfaces.

Sin embargo, el tamaño del contexto no es la novedad que mejor representa esta generación. La guía oficial de Astra destaca tres capacidades especialmente relacionadas con los agentes:

• Puede realizar llamadas a herramientas de manera asíncrona y seguir razonando mientras espera su resultado.
• Permite que el usuario cambie o corrija las instrucciones durante una tarea sin comenzar desde cero.
• Puede ajustar el esfuerzo de razonamiento a lo largo de una conversación, reservando más trabajo para los pasos difíciles.

Imagina que encargas preparar una web y, mientras el sistema espera una comprobación externa, le indicas que cambie el tono del texto. El objetivo es que incorpore esa corrección y conserve el trabajo que sigue siendo útil.

OpenAI también describe mecanismos para detectar cuándo el sistema se aparta de las instrucciones y mejorar el seguimiento de los límites de la tarea.

Claude Fable 5.1 y la autonomía de larga duración

Anthropic describe Claude Fable 5.1 como un modelo preparado para trabajos que duran horas y atraviesan varias aplicaciones. Entre los ejemplos oficiales aparecen operar un navegador, atender solicitudes procedentes de Slack y ejecutar tareas sin supervisión constante en su plataforma de agentes.

La propuesta es que pueda organizar un proyecto, escoger herramientas y recuperarse de fallos, manteniendo informado al usuario. En programación, investigación o documentación, eso permitiría concentrar la revisión en los resultados y las decisiones relevantes.

Anthropic también está explorando un paso más físico con su Model Hardware Standard. Esta especificación experimental busca que agentes de distintos modelos puedan comunicarse de forma estandarizada con microscopios, brazos robóticos y otros instrumentos programables. La compañía explica que ya se está probando en laboratorios y entornos de fabricación.

Controlar un equipo físico exige otras precauciones. Anthropic reconoce que la supervisión experta continúa siendo necesaria, especialmente ante problemas del entorno que el modelo puede interpretar mal.

Gemini 3.8 y la carrera por hacer agentes más accesibles

Google ha orientado Gemini 3.8 Flash hacia programación, razonamiento y tareas agénticas de larga duración. La palabra «Flash» importa: Google no intenta reservar este tipo de funcionamiento únicamente para el modelo más caro, sino llevarlo a un nivel pensado para trabajar con volumen y menor coste.

La compañía ha presentado además Gemini 3.8 Flash Cyber, una variante especializada en encontrar y corregir vulnerabilidades, cuyo acceso está limitado a organizaciones verificadas.

La otra novedad llamativa es la comprensión agéntica de vídeo. En lugar de procesar un vídeo siempre al mismo ritmo, Gemini puede buscar, recorrer e inspeccionar los fragmentos que considera relevantes combinando imagen, audio y transcripción. Google afirma que este método reduce el consumo de tokens y mejora tareas como localizar un instante preciso, detectar anomalías o contar elementos.

Para quien busca una escena concreta en una grabación larga, lo interesante sería llegar al fragmento relevante sin procesar todos los segundos con el mismo detalle. Esa es la utilidad que Google plantea con este enfoque.

Los nombres cambian, el patrón es el mismo

Conviene mantener cierta distancia con la palabra «agente». Se ha convertido en una etiqueta atractiva y puede describir desde una automatización de dos pasos hasta un sistema que trabaja durante horas. Tampoco deberíamos comparar directamente porcentajes publicados por empresas distintas: cada laboratorio elige pruebas, configuraciones y condiciones que favorecen formas diferentes de medir el rendimiento.

Las tres propuestas apuntan a trabajos más largos, conectados con más herramientas y con capacidad para corregir el rumbo. Para comprobar cuánto de eso funciona fuera de una demostración, habrá que mirar tareas completas: qué resultado entregan, cuánto cuesta conseguirlo y cuántas veces necesita intervenir una persona.

Cuatro preguntas antes de confiar una tarea a un agente

No necesitamos entender todos los detalles técnicos para evaluar si un sistema está bien planteado. Podemos comenzar con cuatro preguntas muy concretas.

¿A qué puede acceder? Un agente debería disponer únicamente de las cuentas, carpetas y herramientas necesarias para su tarea. Dar acceso a todo por comodidad amplía las consecuencias de cualquier error.

¿Qué puede cambiar sin permiso? Leer información, preparar un borrador y proponer una acción no tienen el mismo riesgo que publicar, comprar, borrar o enviar un mensaje. Las acciones difíciles de deshacer necesitan una confirmación clara.

¿Cómo demuestra lo que ha hecho? El resultado debe poder revisarse. En una investigación necesitamos fuentes; en programación, pruebas; en una gestión, un registro de los pasos realizados.

¿Podemos detenerlo y corregirlo? La posibilidad de intervenir durante el proceso, limitar el alcance y volver atrás es más valiosa que una autonomía aparente que nos obliga a aceptar el resultado completo.

Cómo encaja esto en Kumado

Al preparar Kumado, dediqué tiempo a conectar servicios y probar automatizaciones. Algunas resolvían una necesidad concreta; otras añadían más pasos de los que me apetecía mantener en ese momento. Acabé dejando parte de esos planes para más adelante y prefiriendo una base sencilla, que pudiera ir ampliando con calma.

Esa experiencia hace que me interese bastante lo que prometen estos agentes, pero también que me fije en el esfuerzo de usarlos. Si una herramienta me ahorra una tarea repetitiva y puedo revisar fácilmente el resultado, le veo sentido. Si tengo que pasar la tarde corrigiendo el proceso, quizá todavía no me compense.

Con el blog quiero mantener ese mismo ritmo: elegir temas que me interesen, dedicarles tiempo y revisar cada publicación. Kumado está empezando y prefiero que lo que vaya apareciendo aquí tenga una razón para estar, aunque publique con menos frecuencia.

Lo que probablemente veremos a continuación

En los próximos meses me fijaré especialmente en cómo se integran estos modelos en las aplicaciones que ya utilizamos. Poder corregir una tarea en marcha, entender qué ha cambiado y recuperar una versión anterior puede resultar más útil en el día a día que otra cifra de rendimiento.

También quiero ver qué ocurre con propuestas más específicas, como el análisis de vídeo o las herramientas de seguridad. Su utilidad será más fácil de valorar cuando podamos comprobar cómo resuelven problemas concretos y qué trabajo dejan pendiente.

¿Qué tarea de tu día a día le confiarías a un agente? Yo empezaría por una pequeña, repetitiva y fácil de comprobar. Con Kumado ya he aprendido que conviene probar algo manejable antes de intentar automatizarlo todo.