CÓMO LOS AGENTES INTELIGENTES ESTÁN CAMBIANDO LA FORMA DE CONSTRUIR EMPRESAS, AUTOMATIZAR PROCESOS Y REDEFINIR EL VALOR DEL TRABAJO HUMANO.
Cuando ChatGPT irrumpió a fines de 2022, gran parte del mundo corporativo sintió que estaba frente a una revolución tecnológica. Pero para el consultor y especialista en IA aplicada a negocios Axel Jutoran, aquello fue apenas el comienzo de un cambio mucho más profundo que recién ahora empieza a tomar velocidad.
“Todos hablaban de revolución. Y en cierta medida tenían razón: de repente cualquier persona podía redactar un correo, resumir un contrato o generar ideas en segundos. Fue una democratización real del acceso al conocimiento. Pero eso quedó atrás”, sostiene Jutoran.
Según explica, el mercado acaba de entrar en una nueva etapa: la segunda ola de la Inteligencia Artificial. Una fase en la que la IA ya no funciona solamente como un asistente conversacional, sino como una herramienta capaz de ejecutar trabajo real. “Estamos en la segunda ola de la inteligencia artificial. Y la diferencia con la primera no es de grado, es de naturaleza”, afirma.
1. De los chatbots a los agentes: la IA dejó de responder y empezó a ejecutar
Para Axel Jutoran, la principal diferencia entre la primera y la segunda ola de la IA está en el nivel de autonomía de las herramientas. Mientras los primeros sistemas funcionaban como asistentes conversacionales, los nuevos agentes pueden resolver tareas completas sin supervisión constante. “La primera ola fue la de los chatbots. ChatGPT fue el más famoso, pero Gemini, Copilot o DeepSeek entran en esa misma categoría. Son herramientas extraordinarias para responder preguntas, generar ideas o resumir documentos. El problema es que están atrapadas en ese chat”, explica.
En cambio, asegura que la programación agéntica cambió completamente la lógica de trabajo. “La segunda ola es lo que yo llamo programación agéntica. Un agente no responde: hace”, sostiene.
2. La barrera de entrada tecnológica cayó de forma drástica
Uno de los cambios más fuertes de esta nueva etapa es la reducción de costos y tiempos para construir tecnología. Según Jutoran, herramientas como Claude Code o Codex hicieron que desarrollar sistemas complejos dejara de ser patrimonio exclusivo de equipos técnicos especializados.
“Construí un SaaS con 500 usuarios, sistema de pagos, base de datos y gestión de créditos en quince días, con menos de cuatrocientos dólares en herramientas. Me habían cotizado ese mismo desarrollo en veinte mil dólares. No era un prototipo: estaba en producción”, relata.
Para el especialista, el verdadero cambio no es únicamente económico. “No se trata de que la IA sea más barata que un empleado. Se trata de que hoy una PyME puede tener infraestructura tecnológica que hace tres años era patrimonio exclusivo de corporaciones con presupuestos de seis cifras”, afirma.
3. Los perfiles que más crecen no son los técnicos, sino los que tienen criterio
La aceleración tecnológica también empieza a modificar el mercado laboral y el valor de determinados perfiles profesionales. Según explica Jutoran, las tareas más repetitivas y de bajo criterio son las que enfrentan mayor presión.
“Los perfiles más expuestos son los que hacen trabajo de conocimiento repetitivo y de bajo criterio: traffickers, diseñadores de producción en volumen, programadores junior, analistas de datos, redactores de contenido genérico”, advierte. Sin embargo, asegura que la IA no elimina la necesidad de experiencia humana. “Los más beneficiados son los profesionales con experiencia real que ahora tienen un equipo de ejecución disponible las veinticuatro horas”, sostiene.
4. El mayor riesgo no es la IA: es usarla sin entenderla
Aunque el entusiasmo por estas herramientas crece de forma acelerada, Jutoran advierte que muchas empresas avanzan sin comprender completamente los riesgos técnicos y estratégicos. “El riesgo que más me preocupa no es el del código en sí. Es el de usar herramientas que no entendés”, remarca.
En ese sentido, menciona problemas de seguridad, APIs expuestas o configuraciones deficientes como algunos de los errores más frecuentes en implementaciones apresuradas. “La regla que yo doy siempre es: si no sabés por qué hacés algo, no lo hagas en producción con datos reales”, afirma.
