En inteligencia artificial, 2025 supuso un cambio decisivo. Sistemas antes confinados a laboratorios de investigación y prototipos empezaron a aparecer como herramientas cotidianas. En el centro de esta transición estuvo el auge de los agentes de IA: sistemas de IA que pueden utilizar otras herramientas de software y actuar por sí mismos.
Aunque los investigadores han estudiado la IA durante más de 60 años, y el término “agente” ha formado parte durante mucho tiempo del vocabulario del campo, 2025 fue el año en que el concepto se concretó tanto para desarrolladores como para consumidores.
Los agentes de IA pasaron de la teoría a la infraestructura, transformando la forma en que las personas interactúan con los grandes modelos de lenguaje, los sistemas que impulsan chatbots como ChatGPT.
En 2025, la definición de agente de IA cambió del enfoque académico de sistemas que perciben, razonan y actúan a la descripción de la empresa de IA Anthropic de grandes modelos de lenguaje capaces de utilizar herramientas de software y tomar acciones autónomas. Aunque los grandes modelos de lenguaje han destacado durante mucho tiempo en respuestas basadas en texto, el cambio reciente es su creciente capacidad para actuar, utilizando herramientas, llamando APIs, coordinándose con otros sistemas y completando tareas de forma independiente.
Este cambio no ocurrió de la noche a la mañana. Un punto clave de inflexión llegó a finales de 2024, cuando Anthropic lanzó el Protocolo de Contexto Modelo. El protocolo permitía a los desarrolladores conectar grandes modelos de lenguaje con herramientas externas de forma estandarizada, dando efectivamente a los modelos la capacidad de actuar más allá de generar texto. Con eso, el escenario estaba preparado para que 2025 se convirtiera en el año de los agentes de IA.
No te pierdas: La inflación impulsada por la inteligencia artificial es el riesgo más subestimado de 2026, según los inversionistas
Los hitos que definieron 2025
El impulso se aceleró rápidamente. En enero, el lanzamiento del modelo chino DeepSeek-R1 como modelo de peso abierto rompió las suposiciones sobre quién podría construir grandes modelos de lenguaje de alto rendimiento, sacudiendo brevemente a los mercados e intensificando la competencia global. Un modelo de peso abierto es un modelo de IA cuyo entrenamiento, reflejado en valores llamados pesos, está disponible públicamente.
A lo largo de 2025, grandes laboratorios estadounidenses como OpenAI, Anthropic, Google y xAI lanzaron modelos más grandes y de alto rendimiento en el mercado, mientras que empresas tecnológicas chinas como Alibaba, Tencent y DeepSeek ampliaron el ecosistema de modelos abiertos hasta el punto de que los modelos chinos se han descargado más que los estadounidenses.
Otro punto de inflexión llegó en abril, cuando Google introdujo su protocolo Agent2Agent. Mientras que el Protocolo de Contexto del Modelo de Anthropic se centraba en cómo los agentes usan herramientas, Agent2Agent abordaba cómo los agentes se comunican entre sí.
Lo crucial es que ambos protocolos fueron diseñados para funcionar juntos. Más adelante ese año, tanto Anthropic como Google donaron sus protocolos a la organización sin ánimo de lucro de software de código abierto Linux Foundation, consolidándolos como estándares abiertos en lugar de experimentos propietarios.
Estos desarrollos rápidamente se integraron en los productos de consumo. A mediados de 2025, comenzaron a aparecer los “navegadores agentes”. Herramientas como Comet de Perplexity, Dia de Browser Company, GPT Atlas de OpenAI, Copilot en Edge de Microsoft, Fellou de ASI X Inc., Genspark de MainFunc.ai, Opera Neon de Opera y otras replantearon el navegador como un participante activo en lugar de una interfaz pasiva. Por ejemplo, en lugar de ayudarte a buscar detalles sobre las vacaciones, juega un papel en la reserva de las vacaciones.
Al mismo tiempo, creadores de flujos de trabajo como n8n y Antigravity de Google redujeron la barrera técnica para crear sistemas de agentes personalizados más allá de lo que ya ha ocurrido con agentes de programación como Cursor y GitHub Copilot.
Nuevo poder, nuevos riesgos
A medida que los agentes se volvieron más capaces, sus riesgos se volvieron más difíciles de ignorar. En noviembre, Anthropic reveló cómo su agente Claude Code había sido mal utilizado para automatizar partes de un ciberataque. El incidente ilustró una preocupación más amplia: al automatizar trabajos técnicos y repetitivos, los agentes de IA también pueden reducir la barrera para la actividad maliciosa.
Esta tensión definió gran parte de 2025. Los agentes de IA ampliaron lo que individuos y organizaciones podían hacer, pero también amplificaron vulnerabilidades existentes. Los sistemas que antes eran generadores de texto aislados se convirtieron en actores interconectados, utilizando herramientas y operando con poca supervisión humana.
Te puede interesar: CES 2026 arranca en Las Vegas proyectando 5,000 millones de usuarios de IA para 2030
Qué hay que seguir en 2026
De cara al futuro, varias preguntas abiertas probablemente marcarán la próxima fase de los agentes de IA.
Uno son los benchmarks. Los benchmarks tradicionales, que son como un examen estructurado con una serie de preguntas y una puntuación estandarizada, funcionan bien para modelos individuales, pero los agentes son sistemas compuestos por modelos, herramientas, memoria y lógica de decisión. Cada vez más investigadores quieren evaluar no solo los resultados, sino también los procesos. Esto sería como pedir a los estudiantes que muestren su trabajo, no solo que respondan.
El progreso aquí será fundamental para mejorar la fiabilidad y la confianza, y para garantizar que un agente de IA realice la tarea que se tiene entre manos. Un método es establecer definiciones claras sobre agentes de IA y flujos de trabajo de IA. Las organizaciones tendrán que planificar exactamente dónde se integrará la IA en los flujos de trabajo o introducirá nuevos.
Otro desarrollo a seguir es la gobernanza. A finales de 2025, la Linux Foundation anunció la creación de la Agentic AI Foundation, señalando un esfuerzo por establecer estándares compartidos y mejores prácticas. Si tiene éxito, podría desempeñar un papel similar al del World Wide Web Consortium en la configuración de un ecosistema de agentes abierto e interoperable.
También hay un debate creciente sobre el tamaño de las modelos. Mientras que los modelos grandes y de propósito general dominan los titulares, los modelos más pequeños y especializados suelen ser más adecuados para tareas específicas. A medida que los agentes se convierten en herramientas configurables tanto para consumidores como para empresas, ya sea a través de navegadores o software de gestión de flujos de trabajo, el poder de elegir el modelo adecuado se traslada cada vez más a los usuarios en lugar de a los laboratorios o las corporaciones.
Los desafíos que se avecinan
A pesar del optimismo, persisten importantes desafíos sociotécnicos. La expansión de la infraestructura de centros de datos pone a prueba las redes energéticas y afecta a las comunidades locales. En los lugares de trabajo, los agentes expresan preocupaciones sobre la automatización, el desplazamiento de empleos y la vigilancia.
Desde una perspectiva de seguridad, conectar modelos con herramientas y apilar agentes multiplica riesgos que ya están sin resolver en grandes modelos de lenguaje independientes. Específicamente, los profesionales de la IA están abordando los peligros de las inyecciones indirectas de prompts, donde los prompts se ocultan en espacios web abiertos que pueden ser legibles por los agentes de IA y que resultan en acciones dañinas o no intencionadas.
La regulación es otro asunto sin resolver. En comparación con Europa y China, Estados Unidos tiene una supervisión relativamente limitada de los sistemas algorítmicos. A medida que los agentes de IA se integran en la vida digital, las preguntas sobre acceso, responsabilidad y límites permanecen en gran medida sin respuesta.
Afrontar estos retos requerirá algo más que avances técnicos. Exige prácticas de ingeniería rigurosas, un diseño cuidadoso y una documentación clara de cómo funcionan y fallan los sistemas. Solo tratando a los agentes de IA como sistemas sociotécnicos y no como simples componentes de software, creo, podremos construir un ecosistema de IA que sea innovador y seguro.
*Thomas Şerban von Davier es miembro del profesorado afiliado en el Instituto Carnegie Mellon de Estrategia y Tecnología de la Universidad Carnegie Mellon.
