Un asistente de inteligencia artificial contesta: se le pide un texto o un resumen, y una persona decide qué hacer con la respuesta. Un agente recibe un objetivo, consulta sistemas, llena formularios, revisa lo que obtuvo y pasa al siguiente paso. El error de un asistente produce un borrador defectuoso; el de un agente puede registrar un pedido, enviar un correo o modificar el inventario. Por eso las condiciones que la evidencia asocia con buenos resultados (información ordenada, procesos escritos y revisión humana en puntos definidos) tienen más peso con agentes que con las herramientas anteriores.
01
Las capacidades de los agentes crecen más rápido que su uso dentro de las empresas.
La organización METR propuso medir a los agentes por la duración de las tareas que logran terminar solos, contada en el tiempo que le tomaría a un profesional. Según su estudio, esa duración se ha duplicado más o menos cada siete meses desde 2019. Los autores extrapolan que, si la tendencia sigue y vale fuera del laboratorio, hacia 2030 habría sistemas capaces de automatizar muchas tareas de programación que hoy le llevan un mes a una persona. Es una extrapolación condicionada, medida sobre todo con tareas de software.
El AI Index 2026 de Stanford registra un avance parecido en OSWorld, una prueba de tareas reales en computadora. La tasa de éxito de los agentes pasó de 12% a cerca de 66%, frente a 72% de las personas. Todavía fallan alrededor de una de cada tres veces.
En la encuesta de McKinsey publicada en noviembre de 2025, 23% de los participantes dijo que su organización usa a escala algún agente y otro 39% que experimenta con ellos; en ninguna función del negocio la proporción que los usa a escala pasa de 10%. La contestaron en línea 1,993 personas que eligieron participar, con más peso de empresas grandes. Gartner proyectó en junio de 2025 que más de 40% de los proyectos de IA agéntica se cancelará antes de que termine 2027, por costos crecientes, valor de negocio poco claro o controles de riesgo insuficientes.
02
En la Unión Europea, la adopción crece en empresas de todos los tamaños y la distancia entre pequeñas y grandes se amplía.
La medición más amplia por tamaño es la encuesta anual de Eurostat a las empresas de la Unión Europea con diez o más personas. En 2025 usaba al menos una tecnología de inteligencia artificial 17% de las pequeñas, 30.4% de las medianas y 55% de las grandes. Un año antes, las cifras eran 11.2%, 21% y 41.2%. En proporción, las pequeñas crecieron más rápido; en puntos, las grandes sumaron casi 14 y las pequeñas menos de 6, y la brecha pasó de 30 a 38 puntos.
Uso de inteligencia artificial en las empresas de la Unión Europea, por tamaño
Porcentaje de empresas con diez o más personas ocupadas que usa al menos una tecnología de IA, 2024 y 2025
20242025
En México no hay una serie equivalente. Según el Recuadro 4 del Reporte sobre las Economías Regionales de abril a junio de 2026 del Banco de México, 48.5% de las empresas de más de 100 trabajadores usaba al menos una herramienta de inteligencia artificial. Como los cortes de tamaño y las preguntas difieren de los europeos, la comparación sólo da un orden de magnitud. Para el conjunto de los negocios, el censo de 2023 da cerca de 0.5%. Los universos de ambas mediciones y su desglose se analizan en Inteligencia artificial y registros en los negocios de México. Una encuesta de la OCDE a más de 5,000 empresas pequeñas y medianas de siete países, levantada a finales de 2024, encontró que 31% usaba IA generativa.
03
Las proyecciones de productividad para la próxima década varían más de diez veces entre autores.
En el extremo prudente, Daron Acemoglu estima en un artículo de Economic Policy que la inteligencia artificial elevaría la productividad total de los factores no más de 0.66% en diez años, en total y no por año, y advierte que incluso eso podría resultar alto. La OCDE resume su cálculo como cerca de 0.1 puntos porcentuales al año de crecimiento de la productividad laboral.
En el otro extremo, Goldman Sachs Research estimó en 2023 que, con una adopción amplia durante diez años, la inteligencia artificial sumaría 1.5 puntos porcentuales al año al crecimiento de la productividad de Estados Unidos, y entre 0.7 y 1.3 puntos en la mayoría de las economías emergentes, donde pesa más el empleo en actividades poco expuestas, como la agricultura y la construcción. Entre ambos queda un documento de la OCDE de 2025 sobre el G7, con escenarios de adopción lenta, media y rápida: de 0.4 a 1.3 puntos al año para Estados Unidos y el Reino Unido, y de 0.2 a 0.8 para Italia y Japón.
Proyecciones del aporte de la inteligencia artificial a la productividad de Estados Unidos
Contribución anual al crecimiento de la productividad en los próximos diez años, en puntos porcentuales
Buena parte de la distancia entre estas cifras se explica por el supuesto de adopción, es decir, por cuántas empresas usarán la inteligencia artificial en sus funciones centrales. Goldman Sachs recuerda que el motor eléctrico y la computadora personal aparecieron en los datos macroeconómicos sólo cuando cerca de la mitad de las empresas afectadas los había adoptado. Para México no hay una proyección propia. El FMI estimó en 2024 que 40% del empleo de las economías emergentes está expuesto a la inteligencia artificial. Las empresas grandes que encuestó el Banco de México esperan más de lo que han percibido. De las que piensan usarla, 60.2% prevé un efecto positivo en sus ventas por trabajador en los próximos tres años, una proporción mayor que la de las usuarias actuales que dicen haberlo notado en los tres anteriores. Son expectativas, no mediciones.
04
En las tareas medidas, la inteligencia artificial mejora el trabajo dentro de su alcance y lo empeora fuera de él.
Fabrizio Dell'Acqua y otros ocho autores publicaron en 2026 en Organization Science un experimento sobre ese límite, con 758 consultores asignados al azar. En 18 tareas que la herramienta hacía bien, quienes la usaron terminaron 12.2% más tareas, 25.1% más rápido y con mejor calidad. En una tarea de gestión elegida por quedar fuera de su alcance, tuvieron 19% menos probabilidad de llegar a la solución correcta. Los autores lo llaman frontera dentada: dentro de un mismo trabajo, tareas de dificultad parecida caen de uno u otro lado.
En atención a clientes, el asistente que estudiaron Brynjolfsson, Li y Raymond en The Quarterly Journal of Economics, entrenado con las conversaciones que la empresa tenía guardadas y calificadas, subió 15% los casos resueltos por hora.
En los dos estudios una persona decidía qué hacer con cada sugerencia. Un agente actúa por su cuenta a lo largo de varios pasos, y ninguno de estos trabajos mide qué ocurre cuando nadie revisa. Mientras esa evidencia no exista, estos estudios sugieren delimitar de antemano en qué pasos puede actuar solo un agente y en cuáles se requiere la aprobación de una persona, en particular cuando se mueve dinero o se adquiere un compromiso con un cliente.
05
Las empresas con mejores resultados rediseñaron sus procesos antes de automatizarlos.
En la misma encuesta de McKinsey, las organizaciones que la firma clasifica como de alto desempeño en inteligencia artificial tienen casi tres veces más probabilidad que las demás de haber rediseñado a fondo sus flujos de trabajo. Es una asociación en una muestra autoseleccionada, no una prueba de causa, aunque es compatible con los experimentos, en los que la herramienta mejoró el trabajo en tareas bien delimitadas.
Entre las empresas europeas que consideraron usar inteligencia artificial y no lo hicieron, según Eurostat, 70.9% citó en 2025 la falta de conocimientos propios, 52.5% la incertidumbre legal y 48.8% la protección de datos. Las tres se refieren a capacidades y reglas dentro de la propia empresa.
Hacia 2030, la proporción de empresas que declara usar agentes será un indicador insuficiente por sí solo. Con el umbral histórico que cita Goldman Sachs, el efecto aparecería en los datos cuando cerca de la mitad de las empresas use la tecnología en procesos centrales. Las grandes empresas mexicanas se acercan a esa proporción en uso declarado, aunque el Banco de México considera probable que su integración profunda siga en una etapa temprana; las demás, a juzgar por el censo, están lejos. Para una empresa mediana, estos datos sugieren que la preparación depende menos del agente que se ofrezca dentro de cuatro años que de condiciones internas. Las dos que la evidencia revisada permite señalar son la información de clientes, ventas e inventario reunida en un solo lugar y la definición previa de los pasos que requieren revisión humana.
