Los agentes de IA son sistemas que no solo responden preguntas: ejecutan tareas en nombre del usuario, como reservar, comprar o coordinar servicios. Sin embargo, los datos más recientes de las plataformas de consumo muestran que su uso real para tareas cotidianas sigue siendo marginal frente al volumen total de operaciones.
DoorDash reportó en su llamada de resultados del tercer trimestre que había recibido apenas varios cientos de pedidos realizados por agentes de IA, según el resumen semanal de noticias de IA de Matt Wolfe. La compañía procesa alrededor de 3 millones de entregas diarias. Uber dio una cifra similar: de 320 millones de viajes, solo 500 pedidos de Uber Eats fueron colocados por un agente, según el mismo repaso.
Es un contraste incómodo. Mientras los anuncios de producto se llenan de asistentes que hacen llamadas, editan video o gestionan tu calendario, el uso masivo de esos agentes para tareas triviales todavía no ocurre. Esta nota revisa qué cambió en la última semana de noticias de IA, por qué la adopción de agentes va lenta y qué debería hacer una empresa en Perú con esa información.
¿Qué se anunció esta semana en modelos de imagen y video?
La semana estuvo cargada de lanzamientos, aunque la mayoría fueron mejoras incrementales y no saltos gigantes. OpenAI presentó su modelo de imágenes 2.6, disponible tanto en ChatGPT como en la API, con una velocidad que en la demostración de Matt Wolfe resultó casi el doble de rápida que la versión anterior. Su novedad más llamativa es la capacidad de generar GIF animados y editarlos después con instrucciones en lenguaje natural.
En el terreno de la generación de video con IA, Google lanzó Gemini Omni 1.2 Flash. Según el repaso de Wolfe, el modelo pasó de clips de 10 segundos a clips de hasta 15 segundos, bajó su precio 30% respecto a Omni 1.1 y ahora cuesta aproximadamente 7 centavos de dólar por segundo de video en 720p. Google además permite generar hasta tres videos de 15 segundos al mes gratis desde Vids con una cuenta de Google.
Pika Labs presentó Pika H3 Flex, un modelo de video abierto que según Wolfe puede generar hasta 4K y producir clips de 15 segundos con banda sonora en tan poco tiempo que resulta difícil de creer. El detalle práctico: para correrlo localmente se necesita hardware serio, porque las pruebas reportadas se hicieron sobre una GPU H100 con 80 GB de VRAM. Para la mayoría de empresas, eso significa nube, no escritorio.
La otra noticia relevante es el avance de los modelos de código abierto. Pruna AI tomó un modelo de video y lo convirtió en un modelo de imagen abierto llamado PH3 Image, con pesos descargables y variantes cuantizadas que sí caben en una GPU de consumo. En paralelo, los pesos de Kimi K3.1 Pro, un modelo abierto de 2,8 billones de parámetros, ya están disponibles en Hugging Face, aunque pesan 1,56 terabytes y no se ejecutan en una laptop.
¿Por qué los agentes de IA no despegan en el uso cotidiano?
La respuesta corta es confianza y economía del error. Cuando un agente ordena comida por ti y se equivoca, pierdes veinte soles. Cuando un agente mueve una orden de compra en tu ERP y se equivoca, pierdes un cliente, un lote de inventario o una conciliación contable completa.
Hay un segundo factor: la mayoría de los casos de uso que se muestran en video son demostraciones controladas, no procesos con excepciones. Un pedido de delivery tiene direcciones incompletas, horarios raros y restaurantes cerrados. Un proceso empresarial tiene aprobaciones, límites de gasto y responsables. El agente que funciona en la demo se cae en el día a día.
El tercer factor es de incentivos. Las plataformas de consumo ganan poco habilitando agentes que compren por ti, porque el pedido ya lo harías igual. En cambio, en el mundo empresarial la automatización con IA para empresas sí tiene un retorno claro cuando reemplaza horas de trabajo repetitivo, no cuando reemplaza una decisión de consumo.
Aquí conviene una advertencia honesta: el dato de DoorDash y Uber no demuestra que los agentes sean inútiles. Demuestra que el uso de consumo es bajo. No sabemos cuántos agentes operan dentro de empresas, porque esas cifras no se publican. Tampoco sabemos si el freno es técnico, de confianza o simplemente de hábito. Cualquiera que afirme lo contrario está extrapolando.
¿Qué significa esto para una empresa en Perú o Latinoamérica?
Para una PYME peruana, la noticia es buena en un sentido poco obvio: hay tiempo. No estás llegando tarde a una revolución que ya ocurrió. Estás a tiempo de elegir bien dónde aplicar agentes, en lugar de comprar la promesa completa.
Piensa en los procesos donde ya tienes datos ordenados y reglas claras. La conciliación de facturas contra órdenes de compra, la clasificación de tickets de soporte, el seguimiento de cotizaciones vencidas, la respuesta a consultas frecuentes de clientes. En todos esos casos el agente no decide el negocio: ejecuta un paso acotado y deja registro.
El segundo punto es la infraestructura. Los modelos abiertos que se anunciaron esta semana son atractivos en teoría, pero correrlos requiere hardware que la mayoría de empresas no tiene. La decisión realista para una empresa en Lima no es "instalo el modelo en mis servidores", sino "uso una API y pago por consumo". Eso simplifica el costo y evita comprar GPUs que quedarán obsoletas en un año.
El tercer punto es la gobernanza. Si vas a poner un agente en contacto con tus sistemas, necesitas límites explícitos: qué puede leer, qué puede escribir, cuánto puede gastar y quién revisa cuando algo sale mal. Esto no es burocracia, es lo que hace que el proyecto sobreviva al primer error.
Si tu empresa ya usa Odoo o algún ERP, ese es el mejor punto de partida, porque ahí están las reglas del negocio escritas. Un agente que consulta el ERP para responder una pregunta de stock es mucho más seguro que un agente que navega una web abierta sin control.
¿Cómo aplica esto en tu empresa?
Empieza por medir, no por comprar. Antes de contratar cualquier herramienta, elige un proceso y cuenta cuántas veces al mes se ejecuta, cuánto tiempo toma y cuántos errores genera. Sin esa línea base no vas a poder demostrar ahorro.
Después, define el alcance mínimo. Un agente que solo redacta el borrador de una respuesta y lo deja en una bandeja para revisión humana es un proyecto que casi siempre funciona. Un agente que responde solo y sin supervisión es un proyecto que depende de que nunca falle.
Tercero, elige el modelo según el costo, no según el ranking. Para tareas de texto y clasificación, un modelo económico suele bastar. Para video o imagen, revisa el precio por segundo o por generación antes de comprometerte, porque ahí los costos escalan rápido.
Cuarto, documenta lo que aprendes. Cada proceso automatizado te enseña dónde están tus datos sucios y tus reglas ambiguas. Ese aprendizaje vale más que la herramienta misma.
Si quieres revisar por dónde empezar en tu caso particular, puedes conversar con nosotros sobre tu caso y ver qué proceso tiene más sentido automatizar primero. También puedes revisar el blog de Consultoría TI para más contexto sobre automatización y ERP.
Preguntas Frecuentes
¿Los agentes de IA pueden reemplazar a un trabajador en una PYME peruana?
No en el corto plazo y no de forma completa. Lo que sí ocurre es que un agente absorbe las partes repetitivas de un puesto, como clasificar correos o preparar borradores, y la persona se concentra en las decisiones. El resultado típico no es menos personal, sino el mismo equipo cubriendo más volumen.
¿Cuánto cuesta usar agentes de IA en una empresa pequeña?
Depende del modelo y del volumen, pero el esquema de pago por consumo de una API suele ser mucho más barato que comprar hardware. Para poner una referencia: el modelo de video de Google cuesta alrededor de 7 centavos de dólar por segundo de video en 720p, según el repaso de Matt Wolfe. En tareas de texto, el costo por operación es típicamente una fracción de eso.
¿Necesito un ERP para empezar a automatizar con agentes de IA?
No es obligatorio, pero ayuda mucho. Un ERP como Odoo concentra tus reglas de negocio, tus datos de clientes y tus procesos de compra y venta en un solo lugar. Eso le da al agente un contexto ordenado y verificable, en lugar de obligarlo a interpretar documentos sueltos y correos dispersos.
Conclusión: ¿vale la pena esperar o empezar ahora?
La semana dejó lanzamientos interesantes: imágenes más rápidas, video más barato y modelos abiertos cada vez más capaces. Pero el dato que más debería importarte como gerente es el otro: el uso de agentes para tareas cotidianas sigue siendo mínimo frente al volumen total de operaciones de las grandes plataformas.
Eso no es una señal de que la tecnología no sirva. Es una señal de que el valor está en procesos concretos, medibles y con supervisión, no en asistentes que lo hacen todo. Las empresas que ganarán en los próximos dos años no serán las que adoptaron más herramientas, sino las que eligieron mejor dónde aplicarlas.
Si quieres identificar ese primer proceso en tu empresa, podemos conversar sobre tu caso y armarlo con criterios claros. Y si te interesa cómo automatizamos contenido y flujos internos, puedes conocer ContentFlow.
Por Edgar Vásquez, Consultoría TI · actualizado el 08 de noviembre de 2026
Fuentes y Referencias
- Matt Wolfe — AI News: New ChatGPT & Google Models (14 Updates Worth Knowing)
- AI Compass Weekly (2 to 6 Nov)
- Skipd — resumen del video
✨ Contenido generado con ContentFlow — Consultoría-Ti