Inteligencia artificial: de los asistentes a los agentes

Esta entrada refleja el estado de la IA a inicios de octubre de 2026. En este campo los datos envejecen rápido, así que contrasta las fechas y los productos con las fuentes del final.

De responder a actuar

Un asistente conversacional recibe una pregunta y devuelve texto. Un agente recibe un objetivo: divide el trabajo en pasos, usa herramientas (consultar una base de datos, llamar a una API, abrir un registro), revisa el resultado y decide qué hacer después. La diferencia es que el modelo ya no solo habla: también actúa.

Esa capacidad abre usos concretos, como resolver casos de servicio, preparar una cotización o dar seguimiento a un pedido. También abre preguntas nuevas: ¿con qué datos trabaja el agente?, ¿qué tiene permitido hacer? y ¿quién revisa lo que hizo?

Las plataformas empresariales están respondiendo a esas preguntas con arquitectura. En septiembre de 2026, Salesforce presentó su Trusted Enterprise AI Harness, que agrupa seis capacidades (contexto, agencia, acción, gobierno, seguridad y modelos) para que los agentes compartan una comprensión común del cliente y del negocio y actúen dentro de los controles de la empresa. Buena parte de las tecnologías que lo componen, como Data 360, MuleSoft y Agentforce, ya estaban disponibles.

Un lenguaje común para conectar agentes

Para que un agente use herramientas, alguien tiene que decirle cuáles existen y cómo se llaman. Durante un tiempo, cada fabricante lo resolvió a su manera. El Model Context Protocol (MCP), un estándar abierto para conectar modelos con herramientas y datos, se volvió una respuesta común.

En diciembre de 2025, Anthropic donó MCP a la Agentic AI Foundation, un fondo de la Linux Foundation creado junto con OpenAI y Block y con el respaldo de Google, Microsoft, AWS, Cloudflare y Bloomberg. Para entonces ya lo usaban herramientas como ChatGPT, Gemini, Microsoft Copilot, Cursor y VS Code.

Salesforce también diseñó su harness de forma “headless”: sus capacidades pueden consumirse mediante MCP, APIs, skills y plug-ins, de modo que aparezcan dentro de las experiencias donde la gente ya trabaja, como Claude, Slack o Microsoft Teams. Para quien desarrolla, la lección es práctica: las APIs bien diseñadas y documentadas son la puerta por la que entran los agentes. Todo lo que se aprende sobre diseño de APIs y de microservicios vale doble en esta etapa.

Gobernar a los agentes

Cuando una empresa tiene un agente, la prioridad es que funcione. Cuando tiene veinte, de distintos proveedores, la prioridad es saber cuáles son, qué hacen y cuánto cuestan. De ahí el auge de las capas de gobierno. El AI Control Plane que Salesforce presentó junto al harness es un ejemplo: busca registrar agentes, definir su identidad y sus políticas, gestionar su ciclo de vida, evaluar su desempeño, observar su comportamiento y controlar el costo, tanto en Salesforce como en IA de terceros.

Los riesgos son concretos: instrucciones maliciosas escondidas en textos que el agente lee (lo que se conoce como prompt injection), permisos más amplios de los necesarios y datos que salen donde no deben. Por eso los principios clásicos de seguridad siguen vigentes: permisos mínimos, registro de cada acción y aprobación humana antes de lo irreversible.

Programar con IA

Los asistentes de código dejaron de limitarse a completar líneas. Cada vez más reciben tareas completas: leer un repositorio, proponer cambios, ejecutar las pruebas y explicar lo que hicieron. El trabajo humano se desplaza hacia especificar con claridad lo que se quiere, revisar con criterio y verificar con pruebas.

Eso no elimina el oficio, lo cambia de lugar. Entender la arquitectura, las pruebas y la seguridad pesa más que antes, porque alguien debe poder decir si lo generado es correcto, mantenible y seguro. Un código que “parece funcionar” sigue siendo una deuda si nadie lo entiende.

Modelos para cada necesidad

Ya no existe un único modelo para todo. Conviven modelos grandes en la nube con modelos abiertos y más pequeños que pueden correr en infraestructura propia. Elegir implica equilibrar calidad, costo, velocidad y privacidad de los datos, y muchas veces conviene usar uno distinto para cada tarea.

Regulación: un calendario que se mueve

En la Unión Europea, la Ley de IA se aplica por etapas. Las obligaciones para los modelos de uso general rigen desde agosto de 2025, y las de los sistemas de alto riesgo se pospusieron mediante el llamado Digital Omnibus: ahora apuntan a diciembre de 2027 (usos independientes) y agosto de 2028 (productos que incorporan IA). Si tu software atiende a usuarios europeos, conviene seguir estas fechas, que ya se han movido varias veces.

Ago 2025: Empiezan a aplicar las obligaciones de la Ley de IA para los modelos de uso general.
Dic 2025: MCP pasa a la Agentic AI Foundation, bajo la Linux Foundation.
Sep 2026: Salesforce presenta el Trusted Enterprise AI Harness y el AI Control Plane.
Dic 2027: Fecha vigente para las obligaciones de los sistemas de alto riesgo independientes en la UE.

Qué significa para un proyecto Salesforce que escala

Aquí lo conecto con mi día a día. Si un proyecto de Salesforce va a incorporar agentes, estas son las prácticas que más me importan:

Los datos primero. Un agente es tan útil como el contexto que recibe. Datos duplicados o desordenados producen respuestas poco confiables.
Integraciones limpias. APIs claras, versionadas y documentadas, ya sea con MuleSoft o con servicios propios, para que personas y agentes las usen sin sorpresas.
Permisos mínimos. Cada agente accede solo a lo que necesita, con una identidad propia y un registro de lo que hace.
Una persona en el punto crítico. Aprobación humana antes de acciones que mueven dinero, borran datos o afectan a clientes.
Medir antes de ampliar. Casos de prueba, observabilidad y costo por tarea. Lo que no se mide no se puede mejorar.
Empezar pequeño. Un proceso acotado, resultados verificables y, solo entonces, ampliar.

La IA es un material poderoso, pero, como la cantera, el resultado depende de quien la trabaja: elegir bien, medir dos veces y cuidar el acabado.