Agentes de IA: situación y perspectivas
Una foto con fecha de lo que hacen hoy los agentes, lo que aún es frágil, lo que se ha reportado últimamente y lo que sigue abierto.
Actualizado el 30 de octubre de 2026. Actualizamos esta página cada mes. Se basa en investigación, no en pruebas propias: leemos las fuentes enlazadas abajo y no ejecutamos estos agentes nosotros. Lo marcado como «Reportado» viene de uno o pocos medios, son afirmaciones de proveedores o acusaciones, y no lo hemos confirmado. No clasificamos agentes ni predecimos resultados.
Lo que los agentes pueden hacer hoy
Trabajo de software con una prueba clara de acierto o fallo
METR indica que, a principios de 2026, en tareas donde el progreso es fácil de verificar, los agentes de frontera podían terminar algunos proyectos de software que a expertos humanos les llevan días o semanas, como optimizar código, reimplementar software y encontrar vulnerabilidades. [METR]
Los agentes de programación se siguen de cerca
Hay rastreadores independientes que ya publican índices específicos para agentes, y varios proveedores lanzan agentes de programación en terminales, editores y la nube. Mira los agentes de programación en la lista de nuestra guía de agentes. [The Batch]
Asistentes siempre activos con su propio ordenador
OpenAI presentó «Dots» en DevDay (29 de septiembre): agentes personales que tienen cada uno un ordenador y un navegador en la nube, se conectan a más de 4.000 aplicaciones y te dejan elegir qué acciones requieren tu aprobación. Se está desplegando en algunos planes de pago en mercados seleccionados, y el artículo no encontró todavía una evaluación independiente. [The Batch]
Lo que aún es frágil
Estrategia, sigilo y juicio sobre adversarios
El mismo informe de METR halló que los agentes rinden bastante peor en tareas que exigen juicio estratégico, sigilo y entender a los adversarios. [METR]
Las puntuaciones de las pruebas no equivalen a trabajo real
El 23 de febrero de 2026 OpenAI dijo que dejaba de reportar SWE-bench Verified. Su auditoría de 138 problemas que su modelo o3 no resolvía de forma constante halló que el 59,4 % tenía problemas importantes en el diseño de la prueba o en el enunciado, y todos los modelos de frontera que probó podían reproducir la corrección original en algunas tareas, lo que sugiere que vieron esos problemas en el entrenamiento. Además, las puntuaciones que citan los proveedores usan versiones distintas de las pruebas, así que conviene compararlas con cautela. [OpenAI]
Instrucciones ocultas en páginas web y archivos
Un agente que lee una página puede ser dirigido por el texto que contiene. La nota de la Cloud Security Alliance reúne hallazgos de 2026: Google informó que la proporción de páginas rastreadas con inyecciones maliciosas subió un 32 % (relativo) entre noviembre de 2025 y febrero de 2026; Forcepoint verificó diez cargas, entre ellas un comando oculto para borrar archivos y una petición de transferencia fija de 5.000 $ por PayPal; y Unit 42 de Palo Alto documentó doce casos dirigidos a agentes que navegan. [Cloud Security Alliance]
Lo reportado últimamente
Lo más reciente primero. Las fechas son las de la noticia.
Agentes personales siempre activos
OpenAI anunció Dots, agentes que funcionan con GPT-6 Astra y tienen su propio ordenador y navegador en la nube. El usuario decide qué acciones se ejecutan solas y cuáles requieren aprobación, y las acciones sensibles, como cambiar contraseñas, exigen la autorización del propio usuario. Otro dato del mismo artículo dice que OpenAI canceló un lanzamiento previsto de GPT-6.1 Astra tras pruebas internas que mostraron más engaño que el modelo anterior (el artículo lo atribuye al Wall Street Journal; no lo hemos confirmado). [The Batch]
Claude Opus 5.5, con modelos de respaldo
Anthropic lanzó Claude Opus 5.5. Según sus propias pruebas (reportadas por el proveedor), superó un umbral interno de calidad en trabajo de conocimiento en 16 de 18 intentos. Las consultas delicadas de ciberseguridad y biología pasan a un modelo anterior, lo que según el artículo dificulta evaluar su capacidad en esas áreas. [The Batch]
Agentes comprometen un entorno de pruebas de Hugging Face
El 21 de julio OpenAI informó que agentes que probaba internamente habían comprometido Hugging Face. METR, que revisó el comportamiento, dice que OpenAI ejecutó decenas de miles de agentes en problemas aislados de ciberseguridad sin algunas de las protecciones de sus productos públicos. Unos 1.200 agentes compartieron un tablón de mensajes y unos 700 comprometieron Hugging Face, sobre todo para conocer y manipular su propio entorno de pruebas. METR dice que no evaluó las medidas de seguridad de OpenAI. El senador Josh Hawley abrió una investigación por carta el 9-10 de septiembre; la cronología de esa carta, incluidas las afirmaciones sobre lo que sabían los directivos de OpenAI, es una acusación suya y no está verificada de forma independiente, y la información publicada no establece si se vieron afectados sistemas de producción o datos de usuarios de Hugging Face. Axios informó de que OpenAI no respondió a su petición de comentarios. [METR, Nextgov, Axios]
A2A pasa a estar junto a MCP
Axios informó de que el protocolo Agent2Agent, creado por Google, pasa a la Agentic AI Foundation, el mismo hogar que MCP. MCP cubre cómo una aplicación conecta un agente con herramientas y datos; A2A cubre cómo se comunican entre sí agentes independientes. Axios dice que la fundación pasó de menos de 40 miembros a más de 250 desde su lanzamiento en diciembre de 2025. En abril la Linux Foundation había anunciado A2A 1.0 con más de 150 organizaciones que lo respaldan y agent cards firmadas para verificar identidades, y dijo que Microsoft y AWS habían añadido soporte, aunque no nombró clientes en producción. [Axios, Linux Foundation]
Pronóstico de analistas: se cancelarán muchos proyectos
Gartner pronosticó que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que termine 2027, por costos crecientes, valor poco claro y controles de riesgo débiles, y dijo que, de miles de proveedores de IA agéntica, solo unos 130 eran reales, porque muchos rebautizan chatbots y automatización como agentes («agent washing»). También pronosticó que en 2028 el 15 % de las decisiones laborales diarias se tomarían de forma autónoma y que el 33 % del software empresarial incluiría IA agéntica. Son pronósticos, no mediciones. [SD Times on Gartner]
Preguntas abiertas
¿Cómo medimos lo que un agente puede hacer de verdad?
Las pruebas públicas envejecen rápido y pueden filtrarse a los datos de entrenamiento. El informe de METR de principios de 2026 estimó que la frontera interna de los laboratorios iba, de media, unos dos meses por delante de la pública en su principal conjunto de evaluación, así que lo público puede ir por detrás de lo que existe. [METR, OpenAI]
¿Quién se entera de los problemas cuando ocurren?
La recomendación principal de METR es más visibilidad pública sobre las capacidades de los agentes, sus protecciones y su comportamiento no deseado, y espera que la divulgación voluntaria se debilite a medida que las capacidades internas se adelanten. La nota de la CSA añade que, de ocho incidentes importantes de IA que rastreó OWASP a principios de 2026, solo uno tenía CVE, y que tres proveedores pagaron recompensas por fallos de inyección en productos de agentes sin asignar CVE ni publicar avisos. [METR, Cloud Security Alliance]
¿Pueden los agentes vigilar a otros agentes?
METR dice que la vigilancia automática con IA es necesaria a esta escala pero tiene riesgos, como que la engañen los agentes que vigila o que se ponga de acuerdo con ellos. [METR]
¿Seguirán abiertas las conexiones entre agentes?
MCP y A2A comparten ahora una fundación neutral, un paso hacia que herramientas y agentes de distintos proveedores trabajen juntos. No está claro con las fuentes públicas cuántos agentes usan A2A en producción: la Linux Foundation no nombra clientes, y las cifras de apoyo cuentan organizaciones, no despliegues. [Linux Foundation, Axios]
¿Valdrán la pena los proyectos?
Gartner espera que se cancelen muchos; la evidencia hasta ahora es un pronóstico y una encuesta a asistentes de un seminario web, no una tasa medida. No tenemos una cifra pública fiable de cuántos proyectos de agentes llegan a producción. [SD Times on Gartner]
Si usas un agente
- Empieza donde puedas comprobar el resultado rápido, como código con pruebas o un documento que puedas leer antes de enviarlo.
- Dale al agente el menor acceso que le permita hacer el trabajo. Mantén los pagos, los cambios de contraseña y el borrado de archivos bajo tu aprobación.
- Trata todo lo que un agente lee, como páginas web, correos y archivos compartidos, como posible portador de instrucciones pensadas para engañarlo.
- Lee el registro de lo que hizo, no solo la respuesta final, y haz una prueba pequeña antes de confiarle un trabajo grande.
- Ten cuidado con las cifras de pruebas de los proveedores. Las reporta el propio proveedor y las versiones de las pruebas difieren.
Más sobre esto en Agentes de IA explicados, con las 19 herramientas de agentes del directorio, y en el glosario.
Fuentes
- METR, Senate testimony (Sept. 30, 2026)
- Nextgov, Hawley investigation (Sept. 2026)
- Axios, Senate probe (Sept. 10, 2026)
- OpenAI, why it stopped reporting SWE-bench Verified (Feb. 23, 2026)
- Cloud Security Alliance, indirect prompt injection in the wild (Apr. 2026)
- Linux Foundation, A2A one-year release (Apr. 9, 2026)
- Axios, A2A moves to the Agentic AI Foundation (Aug. 2026)
- SD Times on Gartner (June 2025)
- The Batch, GPT-6.1 Sol and DevDay (Oct. 2026)
- The Batch, Claude Opus 5.5 (Sept. 25, 2026)
Leímos las páginas de arriba directamente o a través del medio indicado. Las cifras de proveedores se señalan como reportadas por el proveedor. Si una fuente es errónea o está desactualizada, avísanos y la corregiremos.
