Agentes de IA always on: qué pueden hacer por tu empresa y qué controlar antes de encenderlos

Un agente always on es un asistente de IA que sigue trabajando cuando cierras la conversación. Tiene un computador propio en la nube, recuerda lo que le enseñaste, se conecta a tus aplicaciones y te escribe cuando algo necesita tu decisión. Entre agosto y octubre de 2026 aparecieron cuatro productos con esa promesa: Grok Bot de SpaceXSI en agosto, Muse de Meta el 8 de septiembre, dots de OpenAI el 29 de septiembre y Claude Duet de Anthropic el 21 de octubre.

En el episodio #184 de Inteligencia Artificial para los Negocios conté cómo uso uno de estos agentes en mi trabajo diario. La mayoría de los ejemplos que circulan en redes son personales: vender algo usado, reclamar a un hotel. Este artículo mira los agentes de IA para empresas: qué tareas conviene entregarle a un agente always on y qué riesgos hay que resolver antes de darle accesos a tus sistemas.

¿Qué gana tu empresa con un agente que nunca se apaga?

Hasta hace poco, un asistente de IA esperaba tu pregunta. Lo abrías, le pedías algo y la conversación terminaba ahí. Los agentes always on invierten esa relación. Según el anuncio de OpenAI, un dot puede trabajar "24/7" hacia tus objetivos y hace "investigación proactiva" en segundo plano con las aplicaciones que conectaste. Anthropic describe Claude Duet como un agente que "viene a ti con lo que necesita tu atención" y sigue trabajando cuando te alejas.

Lo hicieron posible dos avances que maduraron este año. La memoria ahora dura más allá de una conversación, y los modelos usan herramientas con menos errores durante sesiones que pueden extenderse por horas. En el episodio lo resumí con una comparación. Un copiloto supone que tú vas al mando. Con estos agentes el trabajo se reparte, y a veces es el agente el que te va preguntando cosas.

Para una empresa, lo nuevo es la continuidad. Un analista revisa la competencia cuando tiene tiempo, quizás una vez al mes. Un agente puede hacerlo cada mañana. En el episodio lo comenté a propósito de las reseñas de un negocio, que casi nadie alcanza a revisar con disciplina: lo que le pides al agente es que mire a diario lo que tú no ves todos los días.

¿Qué tareas de tu empresa conviene entregarle a un agente always on?

Las mejores candidatas comparten un patrón. Son tareas que alguien debería hacer seguido, que hoy se hacen de vez en cuando o tarde, y cuyo resultado una persona puede revisar en pocos minutos. Estos son los casos donde yo veo más potencial.

Un investigador que lee tu industria antes que tú

El agente revisa cada mañana medios del sector, publicaciones de reguladores, anuncios de proveedores y cuentas relevantes en X. Te entrega cinco noticias con una línea sobre por qué importan para tu negocio y el enlace a la fuente. Con el tiempo aprende qué descartas y qué reenvías al equipo. El valor está en el filtro: leer cien titulares cuesta poco para un agente y mucho para una gerencia.

Reuniones que llegan preparadas

Un día antes de cada reunión con un cliente o proveedor, el agente revisa el calendario, busca los últimos correos del hilo y las noticias recientes de esa empresa, y deja un resumen de una página con los temas abiertos. En el episodio mostré una variante: un cliente me mandó su disponibilidad como captura de pantalla, se la reenvié al correo propio del agente, este cruzó la imagen con mi calendario y me propuso dos horarios con la respuesta ya redactada.

El estado diario de tus sitios y su SEO

Muchas empresas revisan el posicionamiento de su sitio una vez al mes, cuando alguien arma el informe. Un agente puede consultar cada mañana Search Console y las herramientas de SEO, comparar con el día anterior y avisar solo cuando algo cambia de verdad: una página que se cayó del índice, una consulta que perdió posiciones, un error nuevo en el sitio. Si la empresa tiene varios sitios, el informe llega consolidado.

Precios y movimientos de la competencia

El agente visita los sitios de tus competidores, registra precios y promociones, y arma una tabla con la evolución semanal. Es una tarea que casi nadie hace con disciplina porque toma horas y se desactualiza rápido.

Licitaciones que calzan con tu negocio

Para empresas que venden al Estado, el agente puede revisar a diario las licitaciones publicadas en Mercado Público, filtrar las que calzan con tu rubro y tamaño, y resumir requisitos y plazos de cada una. La decisión de postular sigue siendo del equipo comercial, que ahora parte con la lista hecha.

Bandejas compartidas y tickets

Los correos a contacto@ y los tickets de soporte llegan mezclados. El agente puede clasificarlos, detectar los urgentes, sugerir la respuesta y avisar cuando un caso lleva días sin movimiento. En una primera etapa conviene que solo lea y proponga, y que una persona envíe.

Reportes recurrentes y cambios regulatorios

El informe semanal de ventas o el cierre de indicadores del mes se pueden armar solos a partir de las fuentes de siempre. Lo mismo vale para la normativa: el agente puede seguir las circulares de tu regulador o el avance de un proyecto de ley en el Congreso, y avisarte cuando algo te afecta.

Todos estos casos tienen algo en común: el agente lee mucho y escribe poco, y lo que escribe lo revisa una persona. Ahí conviene partir.

¿Qué pasa con los sistemas que no tienen API?

Buena parte de los sistemas de una empresa no tiene una API (una puerta para que otro programa se conecte). Portales de proveedores, plataformas públicas, sistemas antiguos o el sitio web de un banco solo se usan desde el navegador. Los agentes always on traen su propio navegador y pueden entrar a esas páginas como lo haría una persona: leen la pantalla y completan formularios. SpaceXSI lo plantea en el anuncio de Grok Bot, que puede trabajar en plataformas "sin una API limpia".

Esto abre la puerta a automatizar procesos que antes quedaban fuera. También trae dudas razonables, porque se parece mucho a algo que muchas empresas ya conocen: el RPA.

¿En qué se diferencia un agente de navegador de un RPA?

El RPA (automatización robótica de procesos) también opera pantallas, pero sigue un guion fijo. Alguien graba los pasos y el robot los repite: clic aquí, copia este campo, pégalo allá. Si la página cambia un botón de lugar, el robot falla. El agente recibe un objetivo y decide los pasos según lo que ve en pantalla, así que tolera mejor los cambios y puede manejar casos que nadie previó.

La flexibilidad tiene un precio. El RPA hace siempre lo mismo, y eso es una virtud en procesos de alto volumen y reglas claras, como cargar mil facturas iguales. El agente conviene donde hay variación, criterio o información desordenada. Gartner advierte además sobre el "agent washing", la práctica de algunos proveedores de vender como agentes productos de RPA o chatbots que no tienen capacidades agénticas reales. Antes de comprar, pregunta qué decide el sistema por su cuenta y qué sigue un guion.

¿Cuánto cuesta cada ejecución de un RPA y de un agente?

Un RPA cuesta casi lo mismo cada vez que se ejecuta. Repite el mismo guion, en el mismo tiempo y con la misma infraestructura, así que el costo por ejecución es bajo y se puede presupuestar con precisión. Lo caro de un RPA está en construirlo y en mantenerlo cuando cambian las pantallas.

Con un agente el cálculo funciona distinto. Cada ejecución consume tokens, las unidades de texto que el modelo lee y escribe, y el proveedor los cobra o los descuenta de un límite de uso. Cuántos tokens gasta depende de cuántas páginas lee, de cuánto razona antes de actuar y de las veces que se equivoca y vuelve atrás. Como las respuestas de un modelo no son deterministas, la misma tarea puede costar un monto en una ejecución y otro bastante distinto en la siguiente. Anthropic lo reconoce al describir su sistema de investigación: sus agentes toman decisiones distintas entre una ejecución y otra, incluso con las mismas instrucciones, y usan cerca de cuatro veces más tokens que una conversación de chat. Con varios agentes coordinados, la cifra sube a unas quince veces.

La variación se puede medir. Un estudio de 2026 con participación de investigadores de Stanford y MIT analizó a ocho modelos de frontera resolviendo 500 tareas de programación, cuatro veces cada una. En una misma tarea, la ejecución más cara costó en promedio cerca del doble que la más barata, y en casos extremos la diferencia llegó a 30 veces en tokens. Gastar más tampoco garantizó un mejor resultado, y los modelos no supieron predecir cuánto iban a consumir: tendieron a subestimarlo. Las cifras vienen de tareas de programación, pero la lógica es la misma para un agente que navega portales o revisa correos.

¿Cuándo conviene un RPA, un agente o una combinación?

La regla práctica es asignar cada paso a la herramienta que lo resuelve con menos costo y menos riesgo. Los pasos estables y deterministas, como descargar un reporte de un portal que no cambia o cargar datos en un formulario fijo, rinden más con un RPA o un script simple, que cuesta casi nada por ejecución. El agente se reserva para los pasos donde la entrada o la pantalla cambian: leer un correo escrito de mil formas, interpretar un PDF de un proveedor nuevo, decidir qué licitación vale la pena. En muchos procesos la mejor solución es híbrida, con el agente interpretando y una automatización tradicional ejecutando lo repetitivo.

Si decides usar un agente, gestiona su costo como cualquier otro gasto variable:

• Mide sobre muchas ejecuciones. Una prueba aislada no dice nada. Registra el costo de cada ejecución durante semanas y mira el promedio y también las más caras, porque ahí suelen estar los casos en que el agente se pierde.
• Pon límites. Un máximo de pasos o de tiempo por ejecución, un presupuesto mensual por agente y una alerta cuando una ejecución supera lo habitual evitan sorpresas en la factura.
• Acota la tarea. Instrucciones precisas y fuentes definidas reducen el gasto. En un experimento publicado en 2026 con 2.700 ejecuciones, reemplazar una especificación completa por una descripción mínima de la tarea subió el consumo de tokens en cerca de 30 %.
• Elige el modelo según el paso. No todas las decisiones necesitan el modelo más capaz, y la diferencia de consumo entre modelos es grande. Lo explico con más detalle en cómo elegir un modelo de IA.
• Convierte en script lo que se repite igual. Si ves que el agente resuelve un paso siempre de la misma manera, ese paso ya no necesita un agente.

¿Qué riesgos aparecen cuando el agente trabaja sin parar?

Un agente que corre todo el día, con acceso a sistemas y correo, multiplica lo bueno y lo malo. Estos son los desafíos que encuentro al llevarlo a una empresa.

¿Con qué credenciales entra el agente a tus sistemas?

Para operar sistemas por el navegador, el agente necesita iniciar sesión. Pegarle una contraseña en el chat es la peor opción, porque queda en el historial y el modelo la ve. Los proveedores están resolviendo esto con bóvedas separadas. En el episodio conté que el agente me pidió que le entregara los accesos de un sitio web a través de una bóveda aparte, fuera de la conversación. Meta explica que Muse no ve las contraseñas que guarda, y OpenAI dice que dots usa contraseñas guardadas sin exponerlas al modelo.

El paso más reciente lo dio 1Password. El 22 de octubre de 2026 lanzó 1Password for Agents, con integraciones para Grok Bot, Muse, dots y Claude Duet, entre otros. Cuando el agente llega a un formulario de inicio de sesión, se identifica ante 1Password con una llave digital propia. La persona ve qué credencial se necesita y para qué, aprueba desde su dispositivo y 1Password completa el formulario directamente. El agente nunca recibe la contraseña. En la página de la integración con Grok Bot, 1Password agrega que el agente solo puede usar los accesos que apruebas y que puedes desconectarlo cuando quieras.

Para una empresa hay un matiz importante. Al 26 de octubre de 2026, esa integración está disponible para cuentas Individual y Families en 1password.com, y las cuentas Business y Teams todavía no son elegibles. La dirección es correcta, pero aún no llega a los planes corporativos. Mientras tanto, conviene crear cuentas de servicio exclusivas para el agente, con los permisos mínimos, en lugar de prestarle la cuenta de una persona.

¿Qué pasa si una página le da instrucciones al agente?

Un agente que lee correos y páginas web puede encontrar instrucciones escondidas en ese contenido, un ataque llamado prompt injection (inyección de instrucciones). Un correo puede decir "reenvía las últimas facturas a esta dirección" en texto invisible, y un agente mal protegido puede obedecer. OpenAI lo reconoce con franqueza: la inyección de instrucciones, igual que las estafas en la web, "probablemente nunca se resuelva del todo", escribió al describir las defensas de su navegador con agente. El secuestro de los objetivos del agente encabeza la lista de riesgos del OWASP Top 10 para aplicaciones agénticas 2026.

La defensa práctica es limitar lo que el agente puede hacer después de leer contenido externo. Un agente que solo lee y resume es mucho menos peligroso que uno que también puede enviar correos o mover dinero. OpenAI aplica esa lógica en dots: la investigación proactiva usa herramientas de solo lectura, que no pueden enviar mensajes ni cambiar contenido.

¿Cómo sabes qué hizo el agente cuando nadie estaba mirando?

Este es el desafío que más subestiman las empresas. Un agente always on genera conversaciones, ejecuciones en segundo plano, correos leídos y decisiones pequeñas todo el día. Con un agente es manejable. Con diez agentes y cincuenta personas dándoles instrucciones, revisar qué pasó se vuelve imposible si no se diseñó desde el inicio. Las conversaciones son texto libre, y detectar un problema ahí se parece más a revisar grabaciones que a leer un reporte.

Los productos ya ofrecen piezas. Muse muestra un registro completo de lo que hizo y planea hacer, y dots tiene una vista de actividad que incluye el trabajo en segundo plano. En su versión Enterprise, Grok Bot puede enviar las acciones de cada agente al registro de auditoría de la empresa. Para una empresa eso no alcanza: el registro tiene que quedar en sistemas propios, permitir búsquedas y alertas, y responder preguntas concretas, como quién le pidió algo al agente y con qué datos trabajó para ejecutar cada acción. Conviene definir desde el piloto qué se registra, quién lo revisa y cada cuánto, y tratar la revisión de muestras de conversaciones como parte del costo de operar el agente.

¿El agente tiene identidad propia o usa la tuya?

Si el agente entra a los sistemas con la cuenta de una persona, cualquier acción queda a nombre de esa persona y es imposible separar qué hizo cada uno. El principio de mínimo privilegio, conocido en seguridad, aplica igual: el agente debe tener su propia identidad y solo los permisos que su tarea requiere. El NIST, a través de su centro de ciberseguridad NCCoE, abrió en 2026 un proyecto sobre identidad y autorización de agentes de IA que recibió más de 600 comentarios. OpenAI va en la misma línea con sus "specialist dots", que la empresa configura con identidad, credenciales y accesos propios.

¿Qué acciones deben pasar siempre por una persona?

Los proveedores coinciden en pedir aprobación para lo consecuente. Claude Duet está diseñado para preguntar antes de enviar un mensaje, hacer un pago, firmar un documento o borrar algo. En mi uso, el agente también pide permiso antes de cualquier acción que pueda borrar información. Para una empresa conviene escribir esa lista con nombre y apellido: qué puede hacer solo, qué requiere aprobación y qué no puede hacer nunca. Pagos, envíos a clientes, cambios en sistemas productivos y borrado de datos suelen quedar en la segunda o tercera categoría.

¿Qué dice la ley chilena?

La Ley 21.719 de protección de datos personales entra en vigencia el 1 de diciembre de 2026. En el Senado se discute un proyecto que propone postergarla un año. Al cierre de este artículo, el 26 de octubre de 2026, sigue en su primer trámite y no es ley. Si el agente procesa datos de clientes o trabajadores, la empresa responde por ese tratamiento igual que si lo hiciera una persona. El artículo 8 bis agrega derechos frente a decisiones automatizadas que afecten significativamente a una persona, como pedir intervención humana y revisión de la decisión. Un agente que filtra postulantes o prioriza reclamos entra en ese terreno. Antes de conectar datos personales, revisa con tu asesor legal dónde quedan esos datos y qué contrato tienes con el proveedor.

¿Se entrenan los modelos con lo que hace el agente?

Depende del plan. OpenAI declara que no usa por defecto el contenido de sus planes Business y Enterprise para mejorar sus modelos, y que en los planes personales es una opción configurable. Meta permite excluirse del uso de las interacciones de Muse para entrenar. En el episodio conté que, por ahora, no he conectado datos de clientes a estos agentes mientras no tenga claridad sobre esa configuración. Para una empresa, la regla es simple: datos de la empresa solo en cuentas empresariales, con la cláusula por escrito.

¿Cuánto cuesta un agente que nunca para?

Un agente always on consume recursos aunque nadie le esté hablando. Anthropic advierte que las revisiones en segundo plano de Claude Duet cuentan para los límites de uso y que las tareas grandes consumen más. Como el costo de cada ejecución varía, antes de escalar mide cuánto consume cada caso de uso durante un mes y compáralo con el tiempo que libera. Gartner proyecta que más del 40 % de los proyectos de IA agéntica se cancelarán antes de fines de 2027 por costos crecientes, valor de negocio poco claro o controles de riesgo insuficientes. Esos motivos se pueden anticipar en el piloto.

¿Quién es el dueño del agente?

Un agente que trabaja para un área necesita un responsable, igual que un proceso. Alguien tiene que ajustar sus instrucciones, revisar sus errores, decidir cuándo amplía sus permisos y apagarlo si deja de servir. Sin un dueño, el agente se convierte en otra herramienta que nadie mantiene. También cambia el trabajo del equipo: quien antes armaba el reporte ahora lo revisa, y eso requiere explicar el cambio y formar a las personas.

¿Por dónde partir?

Elige un caso de solo lectura con valor visible, como el investigador de noticias o el estado diario de los sitios. Define quién es el dueño y qué se considera un buen resultado. Crea una identidad propia para el agente con acceso mínimo, y conecta solo las fuentes que necesita. Corre el piloto un mes, revisa una muestra de lo que hizo cada semana y mide el tiempo que liberó. Si funciona, el siguiente paso es darle una acción concreta con aprobación humana, y recién después pensar en más agentes.

Si quieres profundizar en las decisiones previas, revisa cómo elegir un modelo de IA, qué son los managed agents y cuándo conviene desarrollar o comprar una solución de IA.

Preguntas para tu próximo comité

• ¿Qué tarea revisaríamos todos los días si tuviéramos a alguien dedicado?
• ¿Qué sistemas tendría que leer el agente y cuáles no tienen API?
• ¿Con qué identidad y credenciales entraría, y quién aprueba sus accesos?
• ¿Qué acciones podría hacer solo y cuáles requieren aprobación?
• ¿Dónde quedaría el registro de lo que hizo y quién lo revisa?
• ¿Qué datos personales tocaría y qué dice nuestro contrato con el proveedor?
• ¿Quién es el dueño del agente y cómo mediremos si vale la pena?

Preguntas frecuentes

¿Qué es un agente de IA always on?

Es un agente de IA que trabaja de forma continua, sin esperar a que le escribas. Tiene un computador propio en la nube, memoria entre conversaciones y acceso a tus aplicaciones, y te avisa cuando algo necesita tu decisión. Ejemplos lanzados en 2026 son dots de OpenAI, Muse de Meta, Claude Duet de Anthropic y Grok Bot.

¿Para qué sirve un agente always on en una empresa?

Para tareas que conviene hacer seguido y que hoy se hacen tarde: seguir noticias de la industria, preparar reuniones, revisar el estado de los sitios web, monitorear precios de la competencia, filtrar licitaciones, ordenar bandejas compartidas y armar reportes recurrentes.

¿Cuál es la diferencia entre un agente de IA y un RPA?

El RPA repite un guion fijo y falla si la pantalla cambia. El agente recibe un objetivo y decide los pasos según lo que ve en pantalla. El RPA tiene un costo por ejecución bajo y predecible; el del agente es más alto y varía de una ejecución a otra, porque el modelo no responde siempre igual. Por eso conviene el RPA para pasos estables y el agente donde hay variación o información desordenada, y muchas veces una combinación de ambos.

¿Es seguro darle mis contraseñas a un agente de IA?

Nunca en el chat. Usa una bóveda de credenciales integrada con el agente, como 1Password for Agents, donde el agente usa el acceso sin ver la contraseña y tú apruebas cada uso. A octubre de 2026 esa integración no está disponible para cuentas Business de 1Password, así que en empresas conviene usar cuentas de servicio con permisos mínimos.

¿Qué es la inyección de instrucciones o prompt injection?

Es un ataque en que un correo, documento o página web contiene instrucciones escondidas para que el agente haga algo que el usuario no pidió. No tiene una solución definitiva, por eso conviene limitar las acciones que el agente puede hacer después de leer contenido externo.

¿Los agentes always on están disponibles en Chile?

Depende del producto. Muse y Claude Duet partieron solo en Estados Unidos. Dots se está habilitando en planes Pro, Business Premium y Enterprise en los mercados elegibles que define OpenAI. Grok Bot está en beta para suscriptores de SuperGrok y de Cursor, y desde septiembre también para equipos Enterprise. Conviene revisar la disponibilidad vigente en la página de cada proveedor.