Un reciente estudio de Perplexity revela que los agentes de inteligencia artificial están asumiendo tareas complejas en las empresas, lo que marca un avance significativo en la eficiencia laboral. Durante el último año, el sector tecnológico ha operado bajo la premisa de que la próxima evolución de la IA generativa iría más allá de la conversación, adentrándose en la acción. Mientras que los Modelos de Lenguaje Grande (LLMs) funcionan como motores de razonamiento, los 'agentes' actúan como las manos que ejecutan flujos de trabajo complejos con mínima supervisión.
No obstante, hasta ahora, la visibilidad sobre cómo se utilizan estas herramientas en la práctica había sido limitada, dependiendo de marcos especulativos o encuestas restringidas. Los nuevos datos de Perplexity, que analizan cientos de millones de interacciones con su navegador y asistente Comet, ofrecen un primer estudio de campo a gran escala sobre los agentes de IA de propósito general. Los resultados indican que la IA agentic ya se está utilizando por trabajadores del conocimiento de alto valor para optimizar tareas de productividad e investigación.
Comprender quiénes están utilizando estas herramientas es crucial para prever la demanda interna y detectar posibles vectores de IT en la sombra. El estudio revela una marcada heterogeneidad en la adopción. Los usuarios en países con un PIB per cápita más alto y una mayor formación educativa son significativamente más propensos a interactuar con herramientas agentic. Más relevante para la planificación corporativa es el desglose ocupacional. La adopción se concentra en sectores digitales y de conocimiento intensivo. El grupo de 'Tecnología Digital' representa la mayor parte, con un 28 por ciento de los adoptantes y 30 por ciento de las consultas. Le siguen de cerca la academia, finanzas, marketing y emprendimiento. En conjunto, estos sectores representan más del 70 por ciento de todos los adoptantes.
Esto sugiere que aquellos que más probablemente aprovechen los flujos de trabajo agentic son los activos más costosos dentro de una organización: desarrolladores de software, analistas financieros y estrategas de mercado. Estos primeros adoptantes no están experimentando; los datos muestran que los 'usuarios avanzados' (aquellos con acceso temprano) realizan nueve veces más consultas agentic que los usuarios promedio, lo que indica que, una vez integrados en un flujo de trabajo, la tecnología se vuelve indispensable.
Los agentes de IA: aliados para las tareas empresariales, no simples asistentes. Para avanzar más allá de las narrativas de marketing, las empresas deben comprender la utilidad que estos agentes ofrecen. Una visión común sugiere que los agentes funcionarán principalmente como 'concierges digitales' para tareas administrativas rutinarias. Sin embargo, los datos desafían esta perspectiva: 57 por ciento de toda la actividad de los agentes se centra en trabajo cognitivo. Los investigadores de Perplexity desarrollaron una 'taxonomía jerárquica agentic' para clasificar la intención del usuario, revelando que el uso de agentes de IA es práctico y no experimental. El caso de uso dominante es 'Productividad y Flujo de Trabajo', que representa el 36 por ciento de todas las consultas agentic, seguido por 'Aprendizaje e Investigación' con un 21 por ciento.
Ejemplos específicos del estudio ilustran cómo esto se traduce en valor para la empresa. Un profesional de adquisiciones, por ejemplo, utilizó el asistente para escanear estudios de caso de clientes e identificar casos relevantes antes de interactuar con un proveedor. De manera similar, un trabajador del área financiera delegó las tareas de filtrar opciones de acciones y analizar información de inversión. En estos escenarios, el agente se encarga de la recopilación de información y la síntesis inicial de manera autónoma, permitiendo que el humano se concentre en el juicio final. Esta distribución ofrece una clara indicación a los líderes operativos: el retorno de inversión inmediato para la IA agentic reside en escalar la capacidad humana en lugar de simplemente automatizar tareas de bajo nivel.
El estudio define estos agentes como sistemas que 'ciclan automáticamente entre tres fases iterativas para lograr el objetivo final: pensar, actuar y observar'. Esta capacidad les permite apoyar 'trabajo cognitivo profundo', actuando como un compañero pensante en lugar de un simple asistente. La persistencia y la migración cognitiva son aspectos clave para los líderes de TI. Los datos muestran que a corto plazo, los usuarios exhiben una fuerte persistencia dentro de un tema. Si un usuario interactúa con un agente para una tarea de productividad, es muy probable que sus consultas posteriores permanezcan en ese dominio. Sin embargo, el recorrido del usuario suele evolucionar. Los nuevos usuarios frecuentemente 'prueban las aguas' con consultas de bajo riesgo, como pedir recomendaciones de películas o trivia general. Con el tiempo, ocurre una transición. El estudio señala que, aunque los usuarios pueden ingresar a través de varios casos de uso, las consultas tienden a migrar hacia dominios cognitivamente orientados como productividad, aprendizaje y desarrollo profesional. Una vez que un usuario emplea un agente para depurar código o resumir un informe financiero, rara vez regresa a tareas de menor valor. Las categorías de 'Productividad' y 'Flujo de Trabajo' demuestran las tasas de retención más altas. Este comportamiento implica que los programas piloto iniciales deben anticipar una curva de aprendizaje donde el uso madura desde la simple recuperación de información hasta la delegación de tareas complejas.
El 'dónde' de la IA agentic es tan importante como el 'qué'. El estudio de Perplexity rastreó los entornos – sitios web y plataformas específicas – donde operan estos agentes de IA. La concentración de actividad varía según la tarea, pero los principales entornos son pilares del stack empresarial moderno. Google Docs es un entorno primordial para la edición de documentos y hojas de cálculo, mientras que LinkedIn domina las tareas de networking profesional. Para 'Aprendizaje e Investigación', la actividad se divide entre plataformas de cursos como Coursera y repositorios de investigación. Para los CISOs y oficiales de cumplimiento, esto presenta un nuevo perfil de riesgo. Los agentes de IA no solo leen datos; también los manipulan activamente dentro de las aplicaciones empresariales centrales. El estudio define explícitamente las consultas agentic como aquellas que implican 'control del navegador' o acciones en aplicaciones externas a través de APIs. Cuando un empleado le pide a un agente que 'resuma estos estudios de caso de clientes', el agente interactúa directamente con datos propietarios. La concentración de entornos también resalta el potencial de optimizaciones específicas para plataformas. Por ejemplo, los cinco principales entornos representan el 96 por ciento de las consultas en networking profesional, principalmente en LinkedIn. Esta alta concentración sugiere que las empresas podrían ver ganancias inmediatas en eficiencia al desarrollar políticas de gobernanza específicas o conectores API para estas plataformas de alto tráfico.
