El hueco que nadie estaba llenando en la adopción de IA empresarial
Durante los últimos dos años, la conversación sobre inteligencia artificial en las empresas ha girado en torno a dos extremos: darles acceso a ChatGPT a los empleados para que lo usen en su día a día, o lanzar grandes proyectos de transformación digital con presupuestos importantes y meses de implementación. Ambos enfoques tienen valor, pero entre ellos existe un espacio que casi nadie estaba atendiendo: la automatización a nivel de equipo y departamento.
Ese hueco del medio es donde vive gran parte de la productividad perdida en las organizaciones. No son los procesos gigantes que justifican un proyecto de consultoría, ni tampoco las tareas individuales que cada persona puede resolver con un prompt. Son los flujos de trabajo compartidos, las reuniones que nadie prepara bien, los correos que se acumulan, los reportes que alguien tiene que armar cada mañana antes de que el equipo llegue. En junio de 2026, OpenAI presentó una respuesta concreta a este problema con su nueva funcionalidad de agentes en ChatGPT Workspace, y vale la pena analizarla con calma.
En este artículo vamos a revisar qué son estos agentes, cómo funcionan en la práctica, y qué significa esto para empresas medianas en Perú y América Latina que están buscando el siguiente paso real en su adopción de IA.
De chatbots a agentes: qué cambia realmente
La diferencia entre un chatbot y un agente no es solo técnica, es conceptual. Un chatbot responde preguntas. Un agente ejecuta tareas. Y esa distinción cambia completamente lo que puedes esperar de la tecnología.
Lo que OpenAI demostró es un sistema donde puedes construir un agente personalizado, conectarlo a las herramientas que ya usa tu equipo (Outlook, Teams, Salesforce, SharePoint, Google Workspace, entre otras), y darle instrucciones en lenguaje natural sobre qué debe hacer, cuándo y cómo. Sin escribir una sola línea de código.
El ejemplo del demo es ilustrativo: un agente que actúa como chief of staff virtual. Cada mañana a las 9:00 a.m., sin que nadie lo active manualmente, el agente revisa todos los correos que llegaron durante la noche, cruza esa información con el calendario del día, identifica prioridades, decisiones pendientes y bloqueos, y publica un brief consolidado en el canal de Teams del equipo. El resultado: todos llegan a la primera reunión del día ya preparados, con contexto, sin haber tenido que buscar esa información por su cuenta.
Lo que hace esto especialmente relevante es el concepto de Skills (habilidades). Dentro del constructor de agentes, puedes definir fragmentos de instrucciones que capturan el conocimiento que normalmente vive en la cabeza de una sola persona. Cómo debe estructurarse un informe de reunión, qué información es crítica antes de hablar con un cliente específico, cuál es el formato que usa el equipo para sus reportes semanales. Ese conocimiento tácito, que hoy depende de que alguien lo recuerde y lo transmita, puede convertirse en un flujo de trabajo repetible y disponible para todo el equipo.
La lógica detrás: por qué esto importa más allá del demo
Es fácil ver una demostración de tecnología y pensar que es impresionante pero lejana. Lo que vale la pena analizar aquí es el patrón, no el ejemplo específico.
OpenAI describió este modelo como una nueva capa de operación entre las herramientas de productividad individual y los grandes sistemas empresariales. Y esa capa es exactamente donde las empresas medianas tienen más para ganar, porque no siempre tienen los recursos para un proyecto de automatización a gran escala, pero sí tienen procesos repetitivos que consumen tiempo valioso de personas calificadas.
Pensemos en casos concretos que son comunes en empresas de la región. Un equipo comercial que antes de cada visita a un cliente tiene que buscar manualmente el historial en el CRM, revisar correos anteriores y preparar una propuesta desde cero. Un área de finanzas que cada lunes consolida información de tres sistemas distintos para armar el reporte semanal de la gerencia. Un equipo de operaciones que gestiona incidencias por correo, sin visibilidad centralizada de qué está pendiente y qué ya se resolvió.
En todos esos casos, el agente no reemplaza al equipo. Le devuelve tiempo al equipo para que pueda enfocarse en lo que realmente requiere criterio humano: tomar decisiones, construir relaciones, resolver problemas complejos.
OpenAI también mencionó la plataforma Frontier para gestionar agentes a escala, con gobernanza, aprendizaje continuo y conexión a sistemas que normalmente operan en silos. Esto apunta a algo importante: la IA no es solo una herramienta, está empezando a convertirse en una capa de infraestructura operativa dentro de las organizaciones.
¿Cómo aplica esto en empresas de Perú y América Latina?
La realidad de las empresas medianas en la región tiene características específicas que hay que considerar. Muchas operan con equipos pequeños que cargan con múltiples responsabilidades. Los procesos están documentados de forma incompleta, o directamente no están documentados. Y la adopción de herramientas digitales ha sido gradual, lo que significa que conviven sistemas modernos con procesos muy manuales.
Eso, paradójicamente, es una ventaja. Hay mucho por automatizar, y el impacto de los primeros agentes bien implementados puede ser muy visible muy rápido.
El punto de entrada más accesible no es el proyecto más ambicioso. Es identificar un proceso repetitivo, de alto consumo de tiempo, que dependa de información que ya está en sistemas digitales. La preparación de reuniones con clientes, la consolidación de reportes periódicos, el seguimiento de correos sin respuesta, la clasificación de solicitudes entrantes. Cualquiera de esos puede ser el primer agente de tu equipo.
Para empresas que ya usan Odoo como ERP, las posibilidades se amplían considerablemente. Odoo centraliza información de ventas, inventario, finanzas y operaciones. Un agente que pueda consultar esa información y actuar sobre ella, ya sea generando reportes, enviando alertas o preparando resúmenes ejecutivos, tiene acceso a contexto real del negocio, no solo a correos y calendarios.
¿Cómo aplica esto en tu empresa?
Si quieres empezar a explorar este camino de forma concreta, aquí hay una forma de pensarlo:
- Identifica el proceso más costoso en tiempo dentro de tu equipo. No el más complejo, el que más horas consume de personas que deberían estar haciendo otra cosa.
- Mapea qué información necesita ese proceso y en qué sistemas vive hoy. Si esa información ya está digital (correo, CRM, ERP, documentos compartidos), ya tienes la materia prima para un agente.
- Define el output esperado: ¿qué debería producir el agente? ¿Un resumen? ¿Un borrador? ¿Una alerta? Mientras más específico sea el resultado esperado, más fácil es configurar el agente correctamente.
- Empieza pequeño y mide. El primer agente no tiene que ser perfecto. Tiene que ser útil. Con el tiempo, el sistema mejora y el equipo aprende a delegar más.
La pregunta no es si tu empresa debería tener agentes de IA. La pregunta es cuál es el primer proceso que merece uno.
Conclusión
Lo que OpenAI presentó en junio de 2026 no es solo una nueva función de ChatGPT. Es una señal clara de hacia dónde va la forma en que los equipos van a operar en los próximos años. Los agentes de IA están pasando de ser una curiosidad tecnológica a convertirse en colaboradores funcionales dentro de los flujos de trabajo reales.
Para las empresas en Perú y América Latina, esto representa una oportunidad concreta de recuperar tiempo, reducir errores operativos y escalar capacidades sin necesariamente aumentar la planilla. Pero aprovecharla requiere dar el primer paso con intención: identificar el proceso correcto, conectar las herramientas adecuadas, y construir desde ahí.
En Consultoría-Ti ayudamos a empresas medianas a identificar dónde la automatización inteligente tiene el mayor impacto, y a implementarla de forma práctica, sin proyectos interminables ni promesas vacías. Si quieres explorar cómo estos agentes pueden funcionar en tu operación, conversemos.
Fuentes y Referencias
Operationalizing AI in workflows: Lee Spacagna, Solutions Engineer, OpenAI — OpenAI YouTube
✨ Contenido generado con ContentFlow — Consultoría-Ti