El mercado de agentes de IA de funcionamiento permanente sigue llenándose. Tras OpenAI y Anthropic, ahora Perplexity ofrece también con Teammates agentes que deben procesar proyectos de forma autónoma en sus propios ordenadores virtuales. Con ello se hace referencia a sistemas que no solo responden a entradas individuales, sino que persiguen tareas durante periodos prolongados, ejecutan pasos intermedios y entregan resultados.
La oferta requiere la suscripción Max de Perplexity por 200 dólares mensuales. Con ello se sitúa, según la evaluación del informe, claramente por encima de ofertas comparables de OpenAI o Anthropic. Para empresas que quieran equipar a varios empleados, esto se acumula rápidamente hasta convertirse en una partida presupuestaria relevante.
Un benchmark frena las expectativas
Casi al mismo tiempo, SemiAnalysis publicó el benchmark GDPx, que confronta a los agentes de IA con trabajo de conocimiento simulado, entre ello diseño de chips, trading cuantitativo y ciberataques. Un benchmark es, en este contexto, una configuración de prueba estandarizada con la que se pueden comparar distintos modelos bajo las mismas condiciones.
El resultado es desalentador: ningún modelo supera la marca del doce por ciento de tasa de éxito. Claude Opus 5.5 lidera por escaso margen frente a Gemini 4 Carbon. El orden en la cúspide es, por tanto, ajustado, pero el nivel general es bajo.
También hay críticas al propio test. Se censura el reducido número de tareas por área y las condiciones de prueba heterogéneas. Las cifras son, por tanto, un indicio del orden de magnitud, no una medida precisa de la capacidad de rendimiento de sistemas individuales. Quien extraiga conclusiones de ello debería tener en cuenta ambas cosas: las tasas de éxito son bajas y la metodología es controvertida.
La brecha entre oferta y evidencia
Ambas noticias juntas arrojan una imagen contradictoria. Por un lado están productos que se comercializan como empleados permanentes y que tienen un precio acorde. Por otro lado está un intento de medición que encuentra tasas de acierto muy bajas en trabajo de conocimiento especializado exigente.
Esta contradicción se resuelve parcialmente si se separan los tipos de tareas. GDPx prueba trabajo experto especializado en dominios como el diseño de chips o el trading cuantitativo. Esa no es la misma clase de tareas que la investigación, la recopilación de información o el trabajo de documentación recurrente. De valores bajos en campos altamente especializados no se sigue automáticamente que los agentes sean inútiles en rutinas más sencillas, pero tampoco lo contrario.
Qué se puede delegar de forma realista hoy
Para la práctica en empresas medianas se derivan de ello algunas directrices sobrias:
- Preferir tareas con resultado verificable. Si una persona puede verificar el resultado en pocos minutos, el riesgo de un error se mantiene controlable.
- Ninguna decisión sin supervisión. En todos aquellos ámbitos en los que un agente toque contratos, pagos, comunicación con clientes o sistemas productivos, se necesita una aprobación humana.
- Conceder derechos limitados. Un agente en un ordenador virtual propio es cómodo, pero también un punto de acceso adicional. Los derechos de acceso deberían configurarse de la forma más restrictiva posible.
- Calcular el coste por resultado, no por suscripción. Con 200 dólares mensuales por plaza, merece la pena preguntarse cuántos resultados de trabajo aprovechables se generan realmente.
Piloto en lugar de despliegue
Lo sensato es una prueba limitada con tareas claramente definidas y una métrica que se establezca antes del inicio. Esta puede ser el número de resultados utilizables sin retrabajo o el tiempo de procesamiento ahorrado. Lo decisivo es que la evaluación no se adapte a posteriori al resultado.
Igualmente importante es la documentación de los fracasos. Qué tareas no logra resolver un agente de forma fiable es a menudo más valioso para la planificación que la lista de éxitos. Define el límite en el que un proceso debe seguir ocupado por personas.
También es útil mantener pequeña la dependencia de un único proveedor. El mercado se mueve rápido, los precios y los alcances de rendimiento cambian. Quien construye flujos de trabajo de modo que el modelo subyacente siga siendo intercambiable conserva margen de actuación.
Clasificación para proyectos web y de software
Para el trabajo de proyectos esto significa: los agentes always-on son una herramienta seria para actividades preparatorias y repetibles, pero no un sustituto de la responsabilidad técnica. Planifique los agentes como una capa de trabajo adicional cuyos resultados pasan fundamentalmente por una revisión, en lugar de escribirlos directamente en procesos productivos. Mientras falten tasas de éxito sólidas en trabajo de conocimiento exigente, la palanca económica sigue estando en subtareas bien delimitadas, y no en la delegación completa de roles enteros de proyecto.