¿Qué clase de IA tienes en realidad? Una taxonomía de la IA en el trabajo
Tres niveles, dos formas de tarea, seis celdas. En una de ellas los negocios chicos hacen su dinero. En otra salen lastimados. La mayoría de los dueños no sabe decir en cuál celda está parado.
Pregúntale a un dueño qué IA usa y vas a escuchar nombres de productos. Pregúntale qué clase de IA usa y el cuarto se queda callado. Hay tres clases, y la diferencia no es el modelo ni el proveedor. La diferencia es quién conduce. Cruza eso con la forma de la tarea y sale un mapa de seis celdas. Esta entrada es ese mapa, dicho claro: la celda donde los negocios chicos hacen su dinero, la celda donde salen lastimados, y la razón por la que tanto gasto en IA cae en la equivocada.
El primer eje: quién conduce
El nivel 1 es el uso asistido: una persona escribiéndole a un modelo en una ventana de chat. El humano conduce cada paso y juzga cada resultado; la IA es palanca sobre el pensamiento de una persona. Su retorno es real pero personal, y casi imposible de medir al nivel de una operación, y por eso tanto de ese uso ya sucede en las sombras: gente asistida en casa, callada en el trabajo.
El nivel 2 es la IA incrustada: un modelo trabajando como un componente dentro de un sistema más grande. El software vigila eventos, toma decisiones acotadas, actúa, y escala a un humano cuando su confianza baja. Nadie lo prompea. El evento lo hace. Corre a las tres de la mañana sin que nadie lo piense, y su riesgo se maneja con arquitectura y no con atención: capas de validación, rutas de revisión, respaldos. El sistema en producción que esta publicación examinó es el espécimen de la especie: treinta y tres nodos de flujo, uno de ellos un modelo chico de IA haciendo un trabajo angosto adentro de una jaula.
El nivel 3 es la IA agéntica en sentido pleno: un modelo que planea y opera herramientas por sí mismo, dentro de un mandato que le da una persona. Un modelo de frontera armando un sistema funcional de punta a punta. Software tomando decisiones continuas sobre un proceso físico vivo, día y noche, sin ninguna ventana de chat a la vista. El mandato tiene bordes, pero adentro de ellos, el modelo conduce.
Una nota sobre esa palabra, porque está cargando más peso del que la industria le reconoce. Antes de que agéntico fuera una categoría de producto, era psicología. La perspectiva agéntica de Albert Bandura describe lo que hace agente a una persona: intencionalidad, previsión, actuar sobre tus propios planes, reflexionar sobre los resultados. Cuando esta publicación llama a un sistema agéntico en sentido pleno, está sosteniendo el software cerca de esa vara a propósito, y la consecuencia honesta corre en las dos direcciones: se toma en serio la capacidad real, y niega la etiqueta en todos los demás casos. No todo lo que se vende como agente lo es. La mayoría de los productos que traen puesta la insignia son sistemas de nivel 2 con mejora de marketing, y la distinción no es pedantería. Los dos niveles se arquitectan, se cotizan y se supervisan completamente distinto.
Los nuevos agentes de escritorio, y por qué se sienten como una cuarta clase
Este es el lugar correcto para contestar la pregunta que todo dueño está a punto de hacer, porque los productos que la provocan están llegando a cada escritorio: sistemas como Claude Cowork, el Codex de OpenAI o el Computer de Perplexity, que se conectan a tu correo, tus archivos, tu calendario, tus aplicaciones, y hacen trabajo real de varios pasos adentro de su propia infraestructura. Se sienten como una categoría propia. No lo son, y ver por qué afila el mapa completo.
Corre la prueba del eje: ¿quién conduce? Tú le entregas al sistema un mandato, junta los números, cruza la carpeta, redacta el reporte. El modelo planea la ruta, decide cuáles de tus aplicaciones conectadas tocar y en qué orden, ejecuta, y regresa. Adentro de ese mandato, el modelo conduce, y esa es la firma del nivel 3. Lo distinto es la vida del mandato. Estos son agentes de sesión: el mandato nace cuando delegas y muere cuando la tarea termina. Los otros sistemas de nivel 3 de este mapa son agentes permanentes: una construcción que corre hasta entregarse, un proceso vigilado día y noche. Mismo nivel, dos vidas, y la distinción importa porque un agente de sesión no deja nada corriendo cuando se detiene. Después no hay sistema. Hubo una actuación.
Un refinamiento antes de seguir, porque puede que ya hayas visto la costura: el subtipo pertenece al mandato, no al producto. Dale al mismo espacio de trabajo un calendario, limpia estas carpetas cada viernes, y ese mandato ya no muere con la tarea. Lo convertiste en agente permanente: un sistema chico y desatendido, corriendo en la infraestructura del proveedor, cuya ruta sigue siendo del modelo cada semana. Prográmalo y olvídalo, y dos meses después algo está ejerciendo juicio en tus carpetas sin que nadie lo mire. Eso no es razón para evitar la función. Es razón para gobernarla como lo que se volvió, y la pregunta de gobierno cabe en una frase: ¿qué cuesta una corrida equivocada, y te darías cuenta?
Y eso es exactamente lo que los separa de conectar las mismas aplicaciones a través de una plataforma de flujos como n8n, Airtable o Notion, y la diferencia no es el número de conexiones. Es quién decide la ruta, y cuándo. En una plataforma de flujos, un humano diseña el grafo una vez, al construir. Los tubos quedan fijos. Córrelo mil veces y el mismo camino se ejecuta mil veces, y por eso se queda en nivel 2 sin importar cuántas aplicaciones toque: el juicio se ejerció en el diseño, y el diseño es el activo. Fíjate que esas tres plataformas no podrían parecerse menos, un orquestador dedicado, una base de datos, un espacio de trabajo, y a la prueba no le importa. La categoría nunca pertenece al producto. Pertenece a quién fijó la ruta. En un agente de sesión, el modelo escoge la ruta al momento de correr, en cada corrida, sobre infraestructura que no puedes abrir, versionar ni auditar. El juicio se ejerce en vivo, y nada se acumula.
Así que usa la prueba que cabe en una frase: corre el mismo trabajo dos veces, y mira el camino. El mismo camino las dos veces: eres dueño de una arquitectura, nivel 2. Un camino que el modelo mañana puede escoger distinto: estás rentando arquitectura por sesión, nivel 3. Ninguna de las dos está mal. Son compras distintas. El agente de sesión entrega determinismo, auditoría y economía por unidad a cambio de cero costo de construcción y flexibilidad en vivo, que es un cambio brillante para el trabajo abierto de una persona: la investigación, la redacción, el cruce de fuentes que nunca se repite igual. Es el cambio equivocado para una línea acotada que corre cuatrocientas veces al mes, donde necesitas el mismo camino cada vez, el rastro auditable y un costo por corrida que se redondea a centavos. Ese trabajo pertenece a la celda del ROI, en un tubo que alguien construyó a propósito.
La frase para quedarse es esta: conectado no es automatizado. Cablear las aplicaciones de tu operación a un espacio de trabajo agéntico le pone un asistente capaz en las manos a cada empleado, y eso vale dinero de verdad. No le entrega a la operación una automatización, porque nada corre cuando nadie pide. Las dos compras pueden ser correctas. Viven en celdas distintas, y deben cotizarse, gobernarse y medirse como lo que son.
El segundo eje: la forma de la tarea
El segundo eje no trata de la IA para nada. Trata del trabajo. Una tarea acotada tiene espacio de salida cerrado y juicio angosto: extrae estos cinco campos, clasifica en esta lista fija, enruta con estas reglas. Hay una respuesta correcta, y a la máquina se le puede comparar contra ella. Una tarea abierta tiene espacio de salida sin límite, y el juicio es el producto mismo: investigación, redacción, razonamiento ambiguo, diseño. No hay hoja de respuestas, solo mejor y peor, y alguien tiene que estar calificado para notar la diferencia.
El mapa, dicho claro
Tres niveles por dos formas: seis celdas. Cada decisión de IA en tu operación vive en una de ellas, y cada celda tiene su veredicto.
Uso asistido en tarea acotada es exceso por costumbre: pedirle a un chat de frontera que reformatee una lista, pagando precio de conversación por trabajo de oficina. Común, inofensivo en escala chica, y una señal de que la tarea quiere ser automatizada. Uso asistido en tarea abierta es el ajuste natural: una persona, un problema difícil, palanca de verdad. Aquí es donde las ventanas de chat se ganan su lugar.
IA incrustada en tarea acotada es la celda del ROI. Modelos de gama económica adentro de una jaula de controles, haciendo trabajos angostos en alto volumen. Ahí vive hoy la mayor parte del retorno medible en los negocios chicos, y corre sobre la regla del tamaño correcto: empareja el modelo con la forma de la tarea, no con el ruido. Esta celda premia la arquitectura aburrida y castiga las compras de cañón.
IA incrustada en tarea abierta es la celda de peligro. Juicio sin límite y sin compuerta humana: el sistema redactando respuestas de cara al cliente que nadie revisa, aprobando lo que no puede evaluar. La forma de la tarea exige un juicio que la arquitectura no puede verificar, así que la respuesta equivocada y segura de sí misma fluye directo a la operación. El veredicto aquí es una palabra: escala. La regla del tamaño del circuito dice por qué: donde los errores son baratos y reversibles, la revisión es teatro, pero donde una respuesta equivocada es cara, irreversible o de cara al cliente, el circuito se gana su costo. Negarse a construirlo no es eficiencia. Es exposición.
IA agéntica en tarea acotada es la toma continua de decisiones locales: sistemas vigilando un proceso vivo y corrigiéndolo dentro de límites apretados, de día y de noche. Es la celda más joven del mapa y la que esta publicación está estudiando en campo ahora mismo; tendrá su propia entrada cuando el caso esté verificado, no antes. IA agéntica en tarea abierta es el cañón: modelos de frontera construyendo sistemas, comprimiendo semanas de construcción en días. Funciona, y tiene un requisito no negociable del lado humano: el saber del operador. El cañón no colapsa el saber; alguien tiene que seguir calificado para juzgar lo que se construyó.
Las reglas que el mapa impone
Pon el mapa sobre la mesa y le salen tres reglas de trabajo. Primera, el tamaño correcto del modelo: cada celda tiene su propia clase de modelo correcta, así que la pregunta nunca es cuál modelo es el mejor, es en cuál celda estás. Segunda, el tamaño correcto del circuito: ajusta el circuito humano como ajustas el modelo, a la tarea y no a la moda; la misma operación puede correr honestamente una línea totalmente automatizada y mantener a una persona adentro de otra. Tercera, la regla de credibilidad: nunca digas que un sistema de nivel 2 es un agente pleno. Los que construyen lo detectan en minutos, los investigadores lo descartan al contacto, y los clientes que tarde o temprano aprenden la diferencia se acuerdan de quién les enseñó mal.
Y debajo de las tres, la cadena humana a la que esta publicación siempre regresa corre por todos los niveles: el uso asistido falla por miedo, los sistemas incrustados sobreviven por arquitectura y lanzamiento, y los sistemas agénticos sobreviven por el saber del operador. La taxonomía te dice qué estás construyendo. La cadena te dice si tu gente va a estar de pie cuando llegue.
Encuentra tu celda un lunes
Toma el proceso que más atención te cuesta y hazle las dos preguntas en orden. Quién conduce, o quién debería: una persona cada vez, el evento, o un mandato. Qué forma tiene la tarea: hay una respuesta correcta contra la cual comparar a la máquina, o el juicio es el producto. Dos respuestas, una celda, y la celda te dice la clase de modelo, el circuito y el presupuesto antes de que ningún vendedor meta palabra. Esa es toda la disciplina: ubícate primero, compra después. Y no es coincidencia: es lo primero que hacemos con un cliente, antes de nombrar ninguna herramienta.
Si quieres la versión todavía más corta de esa primera decisión, la Matriz de Impacto vs. Riesgo es la herramienta gratuita de una página: donde el impacto es alto y el riesgo es bajo, automatiza primero.
Preguntas frecuentes
¿Cuál es la diferencia entre un asistente de IA y un agente de IA?
Quién conduce. Con un asistente, una persona le escribe a un modelo, juzga el resultado y conduce cada paso; el humano es el motor y la IA es palanca. Con un agente, el software actúa sin que una persona lo prompee: un sistema incrustado reacciona a eventos y toma decisiones acotadas dentro de barandales, y un sistema agéntico en sentido pleno planea y opera herramientas por sí mismo dentro de un mandato. La palabra importa comercialmente porque muchos productos que se venden como agentes son sistemas incrustados con mejora de marketing. La prueba no es el demo. La prueba es quién inicia el trabajo y quién está ejerciendo el juicio mientras corre.
¿Qué es la IA incrustada?
Un modelo trabajando como un componente dentro de un sistema automatizado más grande: software que vigila eventos, toma decisiones angostas y acotadas, actúa, y escala a un humano cuando su confianza baja. Nadie lo prompea; el evento lo hace. Corre las veinticuatro horas, y su riesgo se maneja con arquitectura, es decir, capas de validación, rutas de revisión y respaldos, en lugar de con una persona supervisando cada paso. Para las operaciones chicas y medianas, ahí vive hoy la mayor parte del retorno medible de la IA, normalmente con modelos chicos y baratos haciendo trabajos angostos dentro de una jaula de controles.
¿Qué es la IA agéntica?
En sentido pleno: un modelo que planea y opera herramientas por sí mismo dentro de un mandato que le da un humano, como armar un sistema funcional, correr una construcción de varios pasos, o tomar decisiones continuas sobre un proceso vivo. La palabra tiene una historia más larga que la industria tecnológica que la adoptó: en psicología, la perspectiva agéntica de Albert Bandura describe al humano como agente por su intencionalidad, previsión, autorreacción y autorreflexión. Sostener el software cerca de esa vara es deliberado. Muy pocos productos vendidos como agénticos la libran, y llamarle agente pleno a un sistema incrustado acotado es la exageración que quema credibilidad.
¿Claude Cowork, Codex y los espacios de trabajo agénticos son una nueva categoría de IA?
No. Corre la prueba de quién conduce y son nivel 3, IA agéntica: entregas un mandato y el modelo planea la ruta, escoge cuáles de tus aplicaciones conectadas tocar y ejecuta adentro de la infraestructura del proveedor. Lo distintivo es la vida del mandato: son agentes de sesión, cuyo mandato nace cuando delegas y muere al terminar la tarea, a diferencia de los agentes permanentes que corren una construcción hasta entregarla o vigilan un proceso vivo continuamente. También se distinguen de conectar las mismas aplicaciones a través de una plataforma de flujos como n8n, Airtable o Notion, donde un humano fija la ruta una vez al construir y el mismo camino se ejecuta en cada corrida. La prueba práctica: corre el mismo trabajo dos veces y mira el camino. Un camino fijo significa que eres dueño de una arquitectura; un camino escogido por el modelo significa que rentas una por sesión. Un refinamiento: el subtipo sigue al mandato, no al producto. Dale al mismo espacio de trabajo un calendario recurrente, como una limpieza semanal de carpetas, y ese mandato ya es permanente: un sistema chico y desatendido cuya pregunta de gobierno es qué cuesta una corrida equivocada y si te darías cuenta. Y la línea que sigue para las operaciones: conectado no es automatizado.
¿Qué tipo de IA da el mejor retorno para un negocio chico?
IA incrustada en tareas acotadas, por mucho, en lo que esta publicación ha examinado en producción. Las tareas acotadas tienen espacio de salida cerrado y juicio angosto: extrae estos campos, clasifica en esta lista, enruta con estas reglas. Esa forma permite que un modelo de gama económica haga el trabajo dentro de una arquitectura que cacha sus errores, lo que mantiene los costos bajos y la confiabilidad defendible. El patrón a copiar no es un modelo más grande; es una tarea más angosta con mejores barandales. El gasto en modelos de frontera se justifica al momento de construir y para trabajo abierto, no para correr una línea acotada.
¿Cuándo no debería correr la IA sin un humano?
Cuando la tarea es abierta y los errores salen caros. Un sistema incrustado tomando decisiones de juicio sin límite y sin compuerta humana es la celda más peligrosa del mapa: la forma de la tarea exige un juicio que la arquitectura no puede verificar, así que una respuesta equivocada y segura de sí misma fluye directo a la operación. La regla que sale de ahí es ajustar el circuito a la tarea: donde los errores son chicos, baratos y reversibles, la automatización completa es honesta y la revisión obligatoria es teatro; donde una respuesta equivocada es cara, irreversible o de cara al cliente, escalar a una persona se gana su costo. Negarse a ese circuito no es eficiencia. Es exposición.
Fuentes
- Bandura, A. (2001). Social cognitive theory: An agentic perspective. Annual Review of Psychology, 52, 1–26. https://doi.org/10.1146/annurev.psych.52.1.1
- Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
Publicado: 12 de julio de 2026