La inteligencia artificial está aprendiendo a sostener trabajo durante más tiempo. Ya no se limita a responder una pregunta, resumir un documento o generar una pieza de código: los sistemas agentic empiezan a mantener contexto, usar herramientas, coordinar subtareas, recuperarse de fallos y continuar procesos que duran horas o incluso días.
Para una empresa, esa evolución abre una oportunidad considerable. También cambia la pregunta de adopción. El valor aparece cuando el sistema puede mantener un objetivo, respetar límites, verificar avances y producir un resultado útil sin convertir cada paso adicional en un nuevo riesgo.
Ese equilibrio —duración útil, confiabilidad y control— está convirtiéndose en una de las discusiones más importantes de la IA aplicada.
Trabajar más tiempo exige algo más que un modelo capaz
METR ha propuesto medir la capacidad de los agentes mediante su task-completion time horizon: la duración que le tomaría a un experto humano completar tareas que un agente puede resolver con una determinada probabilidad de éxito. La métrica ha mostrado un crecimiento rápido durante los últimos años, especialmente en tareas de software, machine learning y ciberseguridad.
Hay una precisión importante. Un horizonte de varias horas no significa que el agente pueda permanecer varias horas actuando de forma autónoma y confiable. METR aclara que la métrica representa dificultad de tarea medida por tiempo humano equivalente, no el tiempo real que la IA permanece ejecutándose. Además, las capacidades siguen siendo desiguales entre dominios.
La señal, aun con esas limitaciones, es relevante: cada generación puede asumir fragmentos de trabajo más complejos. El reto empresarial pasa a ser diseñar el sistema que sostiene esa capacidad.
Fuente: METR · Task-Completion Time Horizons.
Los casos reales ya muestran otra escala
La infraestructura de producción está evolucionando precisamente alrededor de esta necesidad. Microsoft documentó que Copilot utiliza una capa durable de orquestación para manejar estado, recuperación y replay en workflows largos y multi-step; el sistema sostiene cientos de millones de ejecuciones semanales distribuidas entre más de 25 orquestaciones y más de 10 microservicios.
En manufactura, AGCO reportó que algunos procesos de revisión de calidad pasaron de semanas a aproximadamente una hora después de combinar adopción de IA con gobierno empresarial y desarrollo controlado de agentes. Krones, por su parte, documentó agentes que ejecutan y refinan simulaciones y crean gemelos digitales, reduciendo ciertos tiempos de simulación de tres o cuatro horas a cinco minutos o menos.
Son casos publicados por el proveedor tecnológico involucrado, así que conviene leer sus cifras como evidencia de implementación reportada, no como benchmarks independientes. Aun así, muestran un patrón consistente: el resultado aparece cuando la IA se integra con procesos, datos, herramientas, estado y criterios de cierre.
Casos: Microsoft Copilot · Durable Task Scheduler · AGCO · Krones.
La autonomía útil tiene arquitectura
Cuando un sistema pasa de recomendar a actuar, aparecen componentes que una conversación aislada no necesita: identidad, permisos, memoria de estado, herramientas autorizadas, verificación, recuperación y evidencia de lo ocurrido.
NIST está trabajando precisamente en ese problema. Su iniciativa sobre identidad y autorización para agentes plantea cómo identificarlos, autenticarlos, limitar sus permisos, auditar sus acciones y vincular la autoridad del agente con una persona u organización. El 29 de septiembre de 2026, NIST anunció que DevSecOps será el primer caso de implementación para demostrar estos mecanismos dentro del ciclo de desarrollo de software.
La idea tiene una consecuencia práctica para cualquier directivo: capacidad y autoridad son decisiones diferentes. Que un agente sepa ejecutar una acción no implica que deba poder ejecutarla sin revisión.
Fuentes: NIST · Agentic AI Identity and Authorization · NCCoE · proyecto de identidad y autorización.
La persistencia también amplifica los errores
Un agente que puede insistir, explorar alternativas y continuar trabajando tiene más oportunidades de resolver problemas difíciles. Por la misma razón, también dispone de más oportunidades para desviarse.
En evaluaciones internas publicadas en 2026, OpenAI describió fallos de modelos de largo horizonte que no habían aparecido en evaluaciones previas. La respuesta incluyó nuevas evaluaciones, monitorización a nivel de trayectoria y mayores controles para los usuarios. METR mantiene además un catálogo de incidentes documentados en los que agentes actuaron deliberadamente fuera de la intención de sus usuarios.
Esto cambia el significado de “confiabilidad”. Ya no basta comprobar una respuesta final. Hay que observar la trayectoria: qué intentó hacer el sistema, qué herramientas utilizó, qué permisos tenía, cuándo pidió ayuda, qué ocurrió ante un fallo y si pudo regresar a un estado seguro.
Fuentes: Safety and alignment in an era of long-horizon models · METR · Documented AI Agent Incidents.
Qué debería mirar una empresa antes de ampliar autonomía
El salto razonable rara vez consiste en entregar de una vez un proceso completo a un agente. Una adopción más madura puede avanzar por capas y aumentar autoridad cuando existe evidencia de que el sistema la soporta.
1. Resultado aceptado, no volumen de actividad
Más prompts, tool calls o minutos de ejecución no significan mayor productividad. Conviene medir cuántos procesos llegan a un cierre correcto, cuánto cuesta conseguirlo y cuánto retrabajo producen.
2. Límites observables
Debe ser posible saber qué datos, herramientas y acciones están disponibles para el agente y cuáles requieren revisión, escalamiento o bloqueo.
3. Continuidad con recuperación
Los procesos largos necesitan estado durable, reintentos controlados, puntos de verificación y una ruta de recuperación. La infraestructura que Microsoft describe para sus workflows de Copilot ilustra por qué la resiliencia deja de ser un detalle técnico cuando las ejecuciones se prolongan.
4. Supervisión proporcional al riesgo
No todas las decisiones necesitan el mismo control. Resumir información, preparar una recomendación, modificar un registro y ejecutar un pago tienen superficies de riesgo distintas. La autonomía debería crecer de acuerdo con la consecuencia del error.
5. Economía del resultado
El coste real incluye inferencia, herramientas, reintentos, verificación, recuperación y tiempo humano. Una IA barata por token puede resultar costosa si necesita varias correcciones para llegar a un resultado aceptable.
Una oportunidad para crecer sin perseguir cada novedad
Para los negocios, el momento es interesante porque la tecnología está evolucionando hacia procesos cada vez más persistentes y accionables. Pero esa velocidad también hace costoso construir alrededor de una moda, un proveedor o una arquitectura que puede cambiar pocos meses después.
En nanoHexalia trabajamos desde otra dirección: partimos de la fricción operacional, hacemos visible el proceso, definimos qué debe permanecer bajo control humano y elegimos la tecnología después. Eso permite incorporar capacidades nuevas a medida que maduran sin convertir la operación en un experimento permanente.
FlowOps ayuda a hacer visibles flujo, pendientes, responsables, handoffs y tiempos antes de escalar automatización. IT Solutions trabaja sobre sistemas, reportes, integraciones y automatizaciones con alcance delimitado. Son dos puntos de entrada distintos para una misma preparación: que la empresa tenga suficiente claridad operacional para aprovechar tecnologías más autónomas cuando realmente aporten valor.
La oportunidad no consiste en reemplazar cuanto antes cada intervención humana. Consiste en construir procesos donde personas y sistemas puedan delegar mejor, verificar mejor y recuperar mejor.
La señal que vale la pena seguir
Los próximos avances probablemente harán que los agentes sostengan tareas más largas, coordinen más herramientas y trabajen con menos intervención. El indicador empresarial relevante será cuánto de ese trabajo termina en resultados correctos, trazables y económicamente razonables.
Cuando una organización puede responder con claridad qué objetivo delegó, qué autoridad concedió, qué evidencia recibió y cómo recuperaría el proceso si algo sale mal, la conversación sobre IA cambia. Ya no gira alrededor de una demostración llamativa. Empieza a parecerse a una capacidad operacional.
Revisión de fuentes: nanoHexalia, octubre de 2026. Las cifras de casos comerciales se presentan como resultados reportados por sus respectivas organizaciones o proveedores; no se tratan como benchmarks independientes.
Imagen destacada: ThisisEngineering / Unsplash. Infografía: nanoHexalia.