OpenAI lanzó esta semana GPT-6.1 Terra, un modelo que no solo responde texto — ve lo que hay en una pantalla y actúa sobre ella: llena formularios, navega entre apps, hace clic donde haría clic una persona. Claude ya tenía algo parecido desde antes. Si tu empresa todavía piensa en "agentes de IA" como chatbots que contestan preguntas, este es el momento de actualizar esa idea, porque el riesgo y el permiso que hay que dar ya no son los mismos.
No es una preocupación exclusiva de empresas de tecnología. Lo estamos viendo entrar por el lado de operaciones y atención al cliente —equipos que nunca tuvieron un ingeniero de IA en la sala y de pronto tienen que decidir qué permisos darle a una herramienta que su proveedor activó por default en la última actualización.
Qué cambia realmente con "computer use"
Un chatbot que responde mal una pregunta es un problema menor: alguien lo lee, nota que está raro y lo ignora. Un agente con computer use que actúa sobre una pantalla equivocada puede enviar un correo que no debía salir, aprobar algo en un sistema interno o cargar datos en el campo que no era. OpenAI muestra esta capacidad como algo barato y accesible —15 puntos porcentuales más preciso que la versión anterior a un tercio del costo— y eso significa que vas a verla aparecer en más herramientas de las que usas hoy, no solo en un chat dedicado. Nadie te va a avisar cuando tu proveedor de software la active por defecto.
La pregunta que tu empresa necesita responder primero
- ▸Qué sistemas puede tocar un agente sin supervisión y cuáles quedan fuera de su alcance por default.
- ▸Qué acciones requieren aprobación humana antes de ejecutarse: enviar, aprobar, pagar, borrar.
- ▸Qué queda registrado y auditable cuando un agente actúa, para poder reconstruir qué pasó si algo sale mal.
- ▸Quién es responsable si el agente falla a las 2 de la mañana y nadie lo está mirando en ese momento.
Ninguna de estas preguntas se responde comprando una licencia. Se responden sentándose con el equipo técnico y con legal antes de activar el primer agente, no después del primer incidente.
El costo de no decidir a tiempo
Lo que vemos en empresas que ya pasaron por esto sin plan: un área activa un agente con buenas intenciones, funciona bien las primeras semanas y nadie lo revisa de cerca porque "está funcionando". El problema aparece cuando el sistema que toca cambia —una actualización del ERP, un campo que se renombra— y el agente sigue actuando con la lógica vieja sin que nadie lo note hasta que alguien pregunta por qué un reporte no cuadra. No es un escenario hipotético: es la misma razón por la que cualquier automatización sin monitoreo falla tarde o temprano, solo que ahora el agente toma la decisión en vez de limitarse a mover datos entre dos sistemas.
Por qué esto no es solo un problema de TI
Lo vemos seguido: TI compra la herramienta, la activa a nivel de cuenta y asume que cada área va a usarla con criterio. Pero marketing, ventas y operaciones tienen tolerancias de riesgo distintas, y un agente que automatiza publicaciones en redes no debería tener el mismo nivel de permiso que uno que toca el sistema de nómina. La política de uso de IA no puede ser una sola regla para toda la empresa — necesita niveles según qué tan reversible es la acción y qué tan sensible es el sistema.
La objeción que más escuchamos es "ya tenemos una política de IA". Casi siempre resulta ser una página sobre qué no compartir en ChatGPT, escrita antes de que existieran agentes que actúan solos. Eso cubre una fracción del riesgo real de hoy.
Niveles de permiso, no un sí o un no
- ▸Nivel 1 — solo lectura: el agente puede ver la pantalla y proponer una acción, pero no ejecuta nada sin que una persona confirme cada paso.
- ▸Nivel 2 — acción reversible: el agente ejecuta solo, pero únicamente en sistemas donde el error se puede deshacer sin consecuencia (un borrador, una clasificación interna).
- ▸Nivel 3 — acción irreversible con aprobación: el agente prepara todo (correo redactado, pago calculado, registro listo) y una persona da el visto bueno final antes de que salga.
La mayoría de empresas que recién empiezan deberían vivir cómodamente en los niveles 1 y 2 durante los primeros meses. Subir al nivel 3 sin haber visto al agente fallar al menos una vez en los niveles anteriores es, en nuestra experiencia, la forma más común de terminar con un incidente que se pudo evitar.
Cómo lo resolvemos con equipos reales
Llevamos formado a más de 1,500 profesionales y trabajado con más de 100 empresas en LATAM —Entel, BCP y Scotiabank entre ellas— con instructores que siguen trabajando hoy en el puesto que enseñan. El proceso con un equipo técnico y de gobierno de datos sigue cuatro pasos: conversamos sobre qué sistemas ya tienen agentes o están por tenerlos, hacemos un diagnóstico sin costo de los riesgos reales (no los genéricos de un webinar), diseñamos el plan —casi siempre con los niveles Iniciación, Aplicada y Avanzada corriendo en paralelo dentro del mismo grupo, porque legal y el equipo de ingeniería rara vez parten del mismo punto— y dictamos midiendo adopción real, no solo asistencia.
Qué aprendería tu equipo
Para el equipo técnico que va a construir y mantener estos agentes, la ruta AI Agentic Engineer cubre arquitectura de agentes, memoria y manejo de errores en producción — la parte que separa un piloto bonito de algo que puedes dejar corriendo sin supervisión constante. Si lo que necesitas es automatizar un proceso puntual sin un equipo de desarrollo dedicado, automatización e IA con n8n es el punto de entrada más rápido para tu equipo de operaciones.
Si tu área técnica necesita la parte de arquitectura y gobierno de agentes, la ficha de AI Agents Engineering detalla el programa. Para la política de uso y los permisos del lado legal, revisa AI Governance. Y si quieres ver las cinco formas en que trabajamos la capacitación completa, desde cursos a medida hasta la plataforma on-demand, nuestra página para empresas tiene el detalle. La primera conversación y el diagnóstico no tienen costo.
