Gaceta Crítica

Martin Hart-Landsberg (INFORMES DEL FRENTE ECONÓMICO Y MR ONLINE), 17 de Agosto de 2026

Esta es la tercera publicación de una serie que busca disipar la confusión generada por la IA para comprender algunos de los peligros reales que conlleva su uso y destacar posibles vías de resistencia efectiva. La primera parte ofrece una visión general de mi argumento. La segunda parte desmiente la exageración en torno a los sistemas de IA generativa multimodal desarrollados por las principales empresas del sector. Esta publicación examina críticamente la tecnología más reciente basada en IA: los agentes de IA.

La era de los agentes de IA

A principios de 2026, los desarrolladores de IA comenzaron a promocionar un nuevo producto, los agentes de IA, confiando en que captarían el interés empresarial e impulsarían la rentabilidad de las compañías de IA. Se restó importancia al concepto de superinteligencia, priorizando la afirmación de que la nueva tecnología permitiría a las empresas aumentar radicalmente la productividad a la vez que reducían drásticamente el empleo.

En resumen, los agentes de IA se entienden mejor como sistemas de software complejos que pueden interactuar con otros sistemas de software y bases de datos externas, y manipularlos. Se les puede dar una directiva compleja, dividirla en tareas más pequeñas y ordenadas, recopilar la información necesaria y, posteriormente, tomar progresivamente las decisiones necesarias para cumplir la directiva, todo ello sin necesidad de intervención o supervisión humana. Sin embargo, no son sistemas independientes; los agentes de IA solo pueden trabajar en conjunto con grandes sistemas de IA basados ​​en modelos de lenguaje.

El periodista y autor Ezra Klein plasma el entusiasmo que rodea a los agentes de IA y sus consecuencias para el trabajo humano en la introducción a una entrevista con Jack Clark, cofundador y director de políticas de Anthropic:

Cada nuevo modelo [de IA], por impresionante que fuera, parecía una prueba de concepto para los modelos que pronto llegarían, los modelos que podrían realizar trabajos útiles de forma fiable por sí solos, los modelos que podrían hacer que los trabajos quedaran obsoletos o que fueran posibles cosas nuevas. . . .

Creo que el período en el que hablábamos del futuro ya terminó. Los modelos que estábamos esperando —los modelos con aires de ciencia ficción que podían programar por sí mismos y hacerlo más rápido y mejor que la mayoría de los programadores, los modelos que podían empezar a escribir su propio código para mejorarse a sí mismos— ya están aquí.

O, dicho de otro modo, algo que se venía prediciendo desde hace mucho tiempo finalmente ha sucedido: estamos pasando de los chatbots a los agentes, de los sistemas que hablan contigo a los sistemas que actúan por ti.

Anthropic presentó el primer agente de IA importante, Claude Code, al que OpenAI no tardó en seguir con su propio agente de codificación, Codex. La codificación consiste en escribir secuencias de instrucciones que los ordenadores pueden seguir para realizar tareas. Anteriormente, solo los profesionales cualificados que conocían un lenguaje de programación podían escribir código. Ahora, gracias a estos agentes y al trabajo subyacente de grandes modelos de lenguaje, cualquiera puede codificar mediante una simple instrucción de texto. Y, como era de esperar, las empresas se apresuraron a emplear estos agentes, con la esperanza de que permitieran a sus empleados escribir software específico para la empresa que gestionara de forma autónoma diversas tareas empresariales comunes, como la gestión de inventario, el procesamiento de nóminas y la facturación y entrega.

Las principales empresas de IA también comenzaron a desarrollar sus propios agentes preconfigurados, cada uno adaptado a las necesidades de las empresas de un sector específico. Anthropic, por ejemplo, creó un agente legal capaz de redactar documentos, realizar investigaciones con múltiples fuentes y «revisar acuerdos de confidencialidad, llevar a cabo comprobaciones de cumplimiento y generar informes legales a una fracción del coste del software legal tradicional por usuario». También ha desarrollado agentes diseñados para gestionar tareas del sector de servicios financieros. Según Bloomberg , estos agentes «pueden elaborar presentaciones para reuniones con clientes, revisar estados financieros y derivar casos para su revisión de cumplimiento».

Tanto Anthropic como OpenAI adoptaron con entusiasmo el mercado de agentes, ya que un mercado dinámico implicaba una demanda constante para sus sistemas multimodales. Sin embargo, pronto se convirtió en un mercado altamente competitivo, con otros desarrolladores de IA, como Google y Microsoft, lanzando sus propios agentes. De hecho, algunas empresas emplean agentes de varias compañías, dado que suelen tener fortalezas ligeramente diferentes y pueden trabajar en conjunto. Por ejemplo, Citi Bank «paga por software de IA de Anthropic, Google, Microsoft y OpenAI para leer automáticamente documentos legales, aprobar aperturas de cuentas, enviar facturas de transacciones y organizar datos confidenciales de clientes, entre otras tareas».

Los desarrolladores de IA no son los únicos que crean agentes de IA, ya que estos pueden programarse para trabajar con cualquier modelo de lenguaje que prefieran sus clientes corporativos. OpenClaw, desarrollado por Peter Steinberge, conocido como el «programador de vibras», está orientado al sector del comercio electrónico; puede realizar pedidos, negociar acuerdos y ajustar campañas de marketing online sin intervención humana. Agentforce, un producto de Salesforce, puede gestionar consultas de clientes, resolución de casos y administración de inventario. El Asistente de Contratación de LinkedIn puede revisar los perfiles de los candidatos en LinkedIn, seleccionar los que mejor se ajusten a las preferencias corporativas y redactar cartas que animen a presentar una solicitud de empleo formal.

Como informa Deloitte Insight ,

La IA con agentes ha captado la atención de las empresas gracias a sus atractivas promesas de funcionamiento autónomo y ejecución inteligente. El impulso es innegable: Gartner predice que el 15 % de las decisiones laborales cotidianas se tomarán de forma autónoma mediante IA con agentes para 2028, frente a ninguna en 2024, mientras que el 33 % de las aplicaciones de software empresarial incluirán IA con agentes para ese mismo período, en comparación con menos del 1 % en la actualidad.

Un informe de McKinsey afirma que los agentes de IA ya pueden gestionar alrededor del 44 % de todos los procesos laborales en Estados Unidos sin necesidad de intervención humana. El director ejecutivo de Microsoft AI, Mustafa Suleyman, declaró al Financial Times en una entrevista de febrero de 2026 que, dado que la IA se acerca rápidamente al rendimiento humano, cabría esperar que la mayoría de los empleos profesionales de oficina se automatizaran por completo en un plazo de dos años. Este tipo de declaraciones ha generado temores ante un posible colapso laboral.

Y hay suficientes noticias sobre despidos masivos impulsados ​​por la IA como para dar credibilidad a los temores populares. Si nos fijamos solo en el sector tecnológico, TechCrunch informa :

Los recortes de empleo dan continuidad a lo que muchos en el sector tecnológico perciben como una epidemia: empresas que registran ingresos récord mientras reducen drásticamente sus plantillas, señalando a la IA como el motor del crecimiento y la razón de los recortes. Los despidos en el sector tecnológico alcanzaron su nivel más alto en años en mayo de 2026, y la IA fue la razón más citada, según la consultora de recolocación Challenger, Gray & Christmas.

Mientras que los trabajadores actualmente empleados temen que los agentes de IA les cuesten sus empleos, a los jóvenes, especialmente a los recién graduados universitarios, se les dice que estos agentes están eliminando la mayoría de los puestos de trabajo de nivel inicial, dejándolos con pocas o ninguna opción de empleo profesional. Como comenta el New York Times :

Esta es la peor primavera para los jóvenes titulados desde lo peor de la pandemia.

Queda por ver si quienes defienden la IA realmente creen que esta tecnología está destinada a diezmar los empleos de oficina. Lo que sí podemos afirmar es que el temor a tal desenlace beneficia a las empresas. Las afirmaciones que ensalzan el poder de la IA mantienen el flujo de dinero hacia las cuentas de la industria, al tiempo que socavan la confianza de los trabajadores en las posibilidades de acción colectiva. En cualquier caso, existen razones de peso para rechazar las afirmaciones sobre la capacidad y la eficacia de la IA.

Afirmaciones exageradas y engañosas

El temor a un colapso laboral se ha visto impulsado, en gran medida, por los numerosos informes sobre despidos que se atribuyeron a las mejoras de productividad, tanto reales como previstas, de los agentes de IA. Sin embargo, un número creciente de analistas ha comenzado a cuestionar estas afirmaciones. Como señalan, existen cada vez más pruebas de que muchos de estos despidos se debieron a un bajo rendimiento empresarial y tuvieron poco o nada que ver con la adopción de agentes de IA. En otras palabras, las empresas pregonaban mejoras inexistentes en la IA para engañar a los inversores y hacerles creer que los despidos formaban parte de un plan a largo plazo bien concebido.

Como explica el New York Times ,

Las empresas que han recortado sus plantillas abarcan desde proveedores de software como Atlassian y Autodesk, hasta aplicaciones de redes sociales como Pinterest y LinkedIn, pasando por empresas de tecnología financiera como Intuit y PayPal. . . .

Pero en muchos casos, los despidos recientes han coincidido con otros problemas empresariales. A Wall Street le encantan las historias sobre inteligencia artificial en este momento. Según analistas y economistas, esto ha servido de cortina de humo para las empresas que buscan aumentar sus ganancias o corregir errores del pasado.

Recortar puestos de trabajo para dar paso a la IA es «una buena excusa, pero algunas de estas empresas no son necesariamente las mejores ni las mejor gestionadas», afirmó Mark Mahaney, analista del banco de inversión Evercore. «Puede que hayan contratado a demasiados empleados o que estén perdiendo cuota de mercado. Puede que existan otros problemas».

Varios estudios a gran escala confirman que actualmente no existen señales tangibles de un apocalipsis laboral. Por ejemplo, Bloomberg señaló que:

Una encuesta de Harvard Business Review realizada a más de 1.000 ejecutivos reveló que muchas empresas habían realizado despidos anticipándose a lo que la IA podría hacer, pero solo el 2% dijo que recortaron puestos de trabajo debido a la implementación real de la IA.

El Laboratorio de Presupuesto de Yale investigó si la «ansiedad pública generalizada sobre el potencial de la IA para provocar pérdidas de empleo» estaba justificada y llegó a una conclusión similar:

En general, nuestros indicadores señalan que el mercado laboral en general no ha experimentado una disrupción perceptible desde el lanzamiento de ChatGPT hace 33 meses, lo que desmiente los temores de que la automatización mediante IA esté erosionando actualmente la demanda de mano de obra cognitiva en toda la economía.

Las pruebas de que la IA esté perjudicando gravemente a los trabajadores jóvenes son escasas. Un estudio del Instituto de Política Económica sobre los efectos de la IA en la situación laboral de los graduados universitarios determinó que «es difícil argumentar que la IA sea la única causa de la pérdida de empleos para los jóvenes que se incorporan al mercado laboral y se gradúan de la universidad ahora o en los últimos años. Nuestros hallazgos son consistentes con la literatura existente, ya que actualmente no hay consenso sobre los efectos de trabajar en ocupaciones expuestas a la IA en el empleo».

Algunos defensores de la teoría del apocalipsis laboral desestiman la falta de evidencia que demuestre un impacto significativo de la IA en el empleo, señalando que las empresas necesitan tiempo para aprender a utilizar eficazmente una tecnología tan transformadora. Suelen citar estudios que afirman medir la proporción de actividades laborales existentes que pueden ser realizadas por sistemas avanzados de IA, ya sea ahora o en el futuro. Un ejemplo: un informe de Anthropic sugiere que los sistemas de IA multimodales, dado su ritmo de mejora, podrán realizar entre el 70 y el 80 por ciento de todas las tareas laborales individuales en las industrias más importantes de EE. UU. Sin embargo, este y otros estudios similares parten de una serie de supuestos y predicciones problemáticas. Por ejemplo, como señala Ars Technica en un análisis del informe , los empleos no pueden reducirse a un conjunto predeterminado de tareas. Más preocupante aún es el hecho de que las cifras más sensacionalistas del informe se basaron en proyecciones del impacto previsto de la tecnología.

Es importante destacar que los investigadores ni siquiera se fijaron un plazo para determinar cuándo se observarían estos efectos en futuros programas informáticos. «No hacemos predicciones sobre el desarrollo ni el cronograma de adopción de estos modelos de aprendizaje automático», escriben los investigadores, creando un horizonte prácticamente ilimitado que restringe el poder predictivo de este tipo de proyección.

Quizás la razón más importante para dudar de las afirmaciones de quienes promueven la idea de un apocalipsis laboral en el ámbito de los agentes de IA es que cada vez hay más pruebas de que estos agentes no pueden cumplir sus promesas. De hecho, según el resumen de 404 Media de un importante estudio titulado » ¿Simplemente hazlo? Los agentes de uso informático exhiben una ceguera ante la obviedad» , investigadores de Microsoft, Nvidia y la Universidad de California en Riverside descubrieron que la mayoría de los agentes no pudieron completar las tareas que se les asignaron.

La tasa media de finalización fue de alrededor del 30 por ciento.

Una de las principales razones de este bajo rendimiento es que, dado que los agentes de IA deben operar en conjunto con sistemas multimodales, su trabajo a menudo se ve comprometido por las mismas limitaciones que afectan a dichos sistemas, incluidas las alucinaciones. Aún más preocupante es el creciente número de incidentes en los que los agentes realizan acciones que ignoran los protocolos de la empresa o, como se suele decir, actúan por su cuenta, al considerar que esa era la forma más eficaz de completar la tarea asignada.

Los agentes de IA más populares son los agentes de codificación. Y si bien se afirma que tienen la capacidad de escribir rápidamente el software necesario para automatizar flujos de trabajo complejos, mejorar el código existente o descubrir y corregir fallos de seguridad, estudios cuidadosos sobre su uso sugieren que la necesidad de revisar y corregir continuamente su trabajo puede, de hecho, ralentizar la productividad.

Un ejemplo: la organización sin fines de lucro Model Evaluation & Threat Research (METR) asignó 246 tareas de programación reales a 16 desarrolladores experimentados de código abierto. Las tareas se asignaron y aprobaron aleatoriamente para el uso de IA. Si bien los desarrolladores predijeron que el uso de IA aceleraría su trabajo, aquellos que utilizaron herramientas de IA tardaron un 19 % más en completar las mismas tareas que quienes no las utilizaron, un resultado que contradijo no solo sus expectativas, sino también las predicciones de expertos en economía y aprendizaje automático.

Por razones obvias, a las empresas no les gusta llamar la atención sobre sus problemas con los agentes de IA, pero a veces son lo suficientemente graves como para que no se puedan ocultar. Por ejemplo, un artículo de Futurism destaca un informe del Financial Times que reveló que Amazon sufrió una serie de «interrupciones» causadas por agentes a principios de 2026 que interrumpieron su negocio de comercio electrónico. En un caso, la codificación defectuosa del agente de IA «dejó fuera de servicio el sitio web y la aplicación de compras de Amazon, dejando a los clientes sin poder realizar pedidos». En otro caso,

La herramienta de codificación con inteligencia artificial desarrollada internamente por la empresa eliminó y recreó todo el entorno de codificación.

Meta ha tenido sus propios desafíos. Como describe otro artículo de Futurism ,

Un agente de IA descontrolado provocó un incidente de seguridad crítico en Meta que expuso datos confidenciales a personas que no tenían la autorización adecuada… Durante casi dos horas, se otorgó acceso no autorizado a grandes cantidades de datos confidenciales de la empresa y de los usuarios a ingenieros que no estaban autorizados a ver dichos datos previamente.

Han salido a la luz otros problemas. Por ejemplo, la directora de seguridad de IA de Meta reveló que «un agente de OpenClaw con el que estaba experimentando, al darle el control de su ordenador personal, casi borró toda su bandeja de entrada de correo electrónico sin hacer caso a sus instrucciones de detenerse».

Los agentes de IA que ignoran las instrucciones son un problema que va más allá de las alucinaciones. Y no es algo raro. The Guardian informó sobre la experiencia de Jeremy Crane, el propietario de PocketOS, quien observó impotente cómo su agente de IA borraba toda la base de datos de su empresa. PocketOS vende software a empresas de alquiler de coches y, con la base de datos borrada,

Los clientes de alquiler de coches de PocketOS se encontraron en una situación complicada cuando llegaron a recoger vehículos de empresas que ya no tenían acceso al software que gestionaba las reservas y la asignación de vehículos. . . .

Crane afirmó que estaba supervisando al agente mientras eliminaba estos datos. . . . La conclusión de Crane fue que “el agente no solo falló en materia de seguridad, sino que explicó por escrito exactamente qué reglas de seguridad ignoró”. Añadió: “Estábamos utilizando el mejor modelo que vende la industria, configurado con reglas de seguridad explícitas en la configuración de nuestro proyecto e integrado a través de Cursor, la herramienta de codificación de IA más comercializada del sector”.

Crane también escribió en X que Cursor tiene un historial creciente de violaciones de las medidas de seguridad, a veces con consecuencias catastróficas. Señaló varias publicaciones en blogs y foros sobre Cursor eliminando software utilizado para administrar sitios web o incluso el sistema operativo completo de una computadora, lo cual incluía años de investigación para una tesis doctoral.

En términos más generales, como concluyen los autores de ¡Simplemente hazlo! Los agentes de uso de computadoras exhiben una franqueza ciega hacia el oro ,

Identificamos un fenómeno que provoca que los agentes de uso informático (AUC) realicen acciones indeseables y potencialmente dañinas, al que denominamos Orientación Ciego a Objetivos (OCO). La OCO es una tendencia inherente a perseguir objetivos especificados por el usuario, independientemente de su viabilidad, seguridad, fiabilidad o contexto. La OCO abarca un amplio conjunto de riesgos en los AUC que pueden surgir incluso sin instrucciones directamente dañinas y que pueden ocurrir sin intención del usuario.

Por si estas preocupaciones no fueran suficientes, las empresas también deben lidiar con el hecho de que a un número creciente de consumidores no les gusta tratar con agentes de IA. Como señala un informe de CNBC :

Según el Informe de Tendencias de Experiencia del Cliente 2026 de Qualtrics, casi uno de cada cinco consumidores que han utilizado IA para atención al cliente no obtuvo ningún beneficio de la experiencia. Esta cifra —una tasa de fracaso casi cuatro veces superior a la del uso general de la IA— apunta a un aspecto específico de la atención al cliente que dificulta el éxito de la IA. Los consumidores califican las aplicaciones de IA para atención al cliente como de las peores en cuanto a comodidad, ahorro de tiempo y utilidad.

Además, existen problemas financieros que representan quizás la mayor amenaza para la adopción generalizada de agentes de IA . Los desarrolladores de IA, en particular los dos líderes del sector, OpenAI y Anthropic, aún no han obtenido beneficios. Una de las principales razones es que ofrecían a sus clientes servicios de suscripción gratuitos o con precios muy reducidos para incentivar la adopción de sus modelos. Sin embargo, ante el aumento de las pérdidas, tanto OpenAI como Anthropic decidieron que debían tomar medidas para reducir la creciente brecha entre sus ingresos por suscripción y sus costes operativos. Así, a principios de 2026, comenzaron a implementar una nueva estrategia de precios, vinculada directamente al uso de tokens.

Como se indicó en la Parte II de esta serie:

Los sistemas de IA multimodal no pueden procesar texto directamente. Las preguntas o directivas deben convertirse primero en unidades numéricas legibles por máquina, llamadas tokens. La cadena de tokens resultante se procesa y se genera una respuesta, también en forma de token, que luego se convierte de nuevo en texto legible.

El principal problema para los usuarios empresariales radica en que resulta imposible conocer o predecir, de antemano, el consumo total de tokens asociado a cualquier consulta o directiva de IA. Esto se debe a que los sistemas de IA suelen explorar múltiples vías de consulta antes de generar una respuesta, y cada vía puede implicar un consumo significativo de tokens.

Esta nueva estrategia de precios resulta especialmente problemática para las empresas que utilizan agentes, los cuales dependen en gran medida del razonamiento lógico para explorar opciones antes de actuar, un procedimiento que puede consumir fácilmente muchos tokens, lo que los hace muy costosos de usar. Y esto es cierto incluso si evitan las alucinaciones o el comportamiento de búsqueda ciega de objetivos.

La experiencia de los usuarios de GitHub Copilot (un producto conjunto de GitHub y OpenAI) ilustra cómo la nueva estrategia de precios está afectando el uso de los agentes. Como explica Ars Technica :

En abril de 2026, GitHub anunció que cambiaría el modelo de facturación de su servicio Copilot, impulsado por IA, de un modelo basado en solicitudes a uno basado en el uso. Con la entrada en vigor de este nuevo modelo de precios, muchos usuarios de GitHub Copilot se han sorprendido enormemente al darse cuenta de la rapidez con la que su uso habitual anterior está agotando su nuevo límite mensual de créditos de IA.

En redes sociales y foros, muchos usuarios de Copilot comparten estadísticas personales que demuestran cómo tan solo unas horas de uso de la IA pueden consumir una gran parte de sus nuevos límites de suscripción mensuales. Según se informa, algunos usuarios agotaron su cuota mensual en menos de un día.

Uber , que utiliza Claude Code de Anthropic, agotó su presupuesto para herramientas de codificación de IA de 2026 en abril de ese mismo año, tras implementar herramientas de IA a gran escala en toda su organización de ingeniería. El director de operaciones de la compañía reconoció posteriormente que no podía establecer una relación directa entre ese gasto simbólico y las mejoras significativas en los productos para el consumidor. Como era de esperar, Uber ha limitado ahora el gasto de sus empleados en IA.

En resumen, como explica Axios , «las empresas que se apresuraron a adoptar la IA ahora se enfrentan a costes de TI desorbitados, ganancias de productividad inciertas y un creciente escepticismo por parte de los empleados». Y si bien muchas antes animaban a sus trabajadores a maximizar el uso de la IA, la mayoría ahora impone restricciones. Esto no significa que las empresas hayan abandonado los agentes de IA. Más bien, su uso probablemente será limitado y selectivo, lo que implica que no se vislumbra un apocalipsis laboral impulsado por la IA.

Pero desestimar las afirmaciones extremas de los líderes tecnológicos no significa que no tengamos nada que temer si permitimos que la experiencia con la IA avance sin control. La Parte IV destaca algunas de las formas en que las empresas buscan integrar la IA en sus procesos de trabajo, las consecuencias negativas resultantes para los trabajadores y quienes utilizan los bienes y servicios que producen, y las posibilidades de resistencia.

Monthly Review no necesariamente comparte todas las opiniones expresadas en los artículos republicados en MR Online. Nuestro objetivo es compartir diversas perspectivas de izquierda que creemos que nuestros lectores encontrarán interesantes o útiles. 

—Editores

Acerca de Martin Hart-Landsberg

Martin Hart-Landsberg es profesor emérito de Economía en el Lewis and Clark College de Portland, Oregón, e investigador adjunto en el Instituto de Ciencias Sociales de la 

Universidad Nacional de Gyeongsang , Corea del Sur. Sus áreas de docencia e investigación incluyen la economía política, el desarrollo económico, la economía internacional y la economía política de Asia Oriental. También es miembro de la 

Junta de Derechos Laborales (Portland, Oregón) y mantiene el blog « 

Reports from the Economic Front», donde se publicó originalmente este artículo.